# rag_system

**Repository Path**: joyamon/rag_system

## Basic Information

- **Project Name**: rag_system
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-16
- **Last Updated**: 2026-07-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# RAG 智能问答系统

基于 LangChain + FastAPI 的本地化 RAG 智能问答系统，支持多格式文档加载、语义检索、流式问答、多对话管理。

## 功能特性

- 📄 **多格式支持**：PDF、Word（.docx）、PPT（.pptx）、网页（URL）、Markdown、纯文本
- 🔍 **语义检索**：基于 FAISS 向量相似度的精准文档检索，支持相似度阈值过滤
- 💬 **流式问答**：SSE 流式输出实时呈现回答，支持多供应商 LLM（DashScope / DeepSeek / OpenAI）
- 🔄 **增量更新**：支持追加新文档，无需全量重建索引
- 💾 **对话持久化**：浏览器 localStorage 保存对话历史，支持新开 / 切换 / 删除对话
- ⚙️ **在线配置**：系统状态页支持在线修改 LLM 配置（模型、API Key、参数等）
- 🎨 **SPA 前端**：纯 HTML/CSS/JS 三页面单页应用，响应式设计

## 项目结构

```
rag_system/
├── config.yaml              # 配置文件
├── requirements.txt         # Python 依赖
├── run.py                   # 主启动脚本
├── docs/                    # 文档存放目录（自动加载）
├── data/
│   ├── uploads/             # 上传文件临时存储
│   └── vectorstore/         # FAISS 向量索引
├── frontend/                # SPA 前端页面
│   ├── index.html           # 主页面
│   ├── css/
│   │   └── style.css        # 样式
│   └── js/
│       ├── api.js           # API 客户端
│       ├── chat.js          # 对话页逻辑
│       ├── documents.js     # 文档管理 / 系统状态页逻辑
│       └── app.js           # 主应用逻辑
├── src/
│   ├── __init__.py
│   ├── api.py               # FastAPI REST API (12 个端点)
│   ├── config.py            # YAML 配置管理
│   ├── document_loader.py   # 多格式文档加载
│   ├── text_splitter.py     # 文本分块
│   ├── embedding.py         # 嵌入模型（DashScope API）
│   ├── vectorstore.py       # FAISS 向量存储管理
│   └── rag_chain.py         # RAG 问答链（流式/非流式）
```

## 快速启动

### 1. 安装依赖

```bash
pip install -r requirements.txt
```

### 2. 配置文件

编辑 `config.yaml`，设置 LLM 和嵌入模型参数：

```yaml
llm:
  provider: dashscope              # 供应商: dashscope / deepseek / openai
  model_name: qwen3.7-max-2026-06-08
  api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
  api_key: your-api-key-here
  temperature: 0.7
  max_tokens: 2048

embeddings:
  model_name: qwen3.7-text-embedding
  api_base: https://dashscope.aliyuncs.com/compatible-mode/v1
  api_key: your-api-key-here
```

也可在系统运行后，通过前端 **系统状态** 页面在线修改 LLM 配置。

### 3. 放置文档

将 PDF、Word、PPT、Markdown、TXT 文件放入 `docs/` 目录。

### 4. 启动系统

```bash
python run.py
```

默认监听 `http://localhost:8000`，可通过 `--port` 参数指定端口：

```bash
python run.py --port 8001
```

### 5. 访问

打开浏览器访问 `http://localhost:8000` 即可使用。

## 使用说明

1. **文档管理**：进入「文档管理」页面，可上传文件、添加网页 URL、重新加载文档，系统自动构建向量索引
2. **智能问答**：在「对话」页面输入问题，系统基于已加载文档检索相关内容并生成回答（流式输出）
3. **对话管理**：左侧列表面板支持新建 / 切换 / 删除对话，消息自动保存在浏览器中
4. **在线配置**：在「系统状态」页面可在线修改 LLM 供应商、模型、API Key 等参数，即时生效

## 支持的文档格式

| 格式 | 扩展名 | 依赖库 |
|------|--------|--------|
| PDF | .pdf | PyPDF2 |
| Word | .docx | python-docx |
| PowerPoint | .pptx | python-pptx |
| 网页 | URL | requests / BeautifulSoup4 |
| Markdown | .md | - |
| 纯文本 | .txt | - |

## API 端点

| 方法 | 路径 | 说明 |
|------|------|------|
| GET | /api/health | 健康检查 |
| GET | /api/status | 系统状态（向量库、文档数等） |
| GET | /api/config | 获取当前配置 |
| PUT | /api/config | 更新 LLM 配置 |
| POST | /api/query | 问答（非流式） |
| POST | /api/query/stream | 问答（SSE 流式） |
| POST | /api/documents/reload | 重新加载 docs/ 目录文档 |
| POST | /api/documents/upload | 上传文件 |
| POST | /api/documents/url | 添加网页 URL |
| GET | /api/documents | 文档列表 |
| GET | /api/knowledge | 已连接的外部知识库列表 |
| POST | /api/knowledge/connect | 连接外部知识库目录 |
| POST | /api/knowledge/disconnect | 断开外部知识库连接 |

## 技术栈

- **RAG 框架**：LangChain v0.3+
- **向量数据库**：FAISS-CPU
- **Web 框架**：FastAPI + uvicorn
- **前端**：纯 HTML/CSS/JS SPA（无框架依赖）
- **LLM 支持**：DashScope（通义千问）/ DeepSeek / OpenAI（通过 langchain-openai 兼容接口）
- **文档解析**：PyPDF2、python-docx、python-pptx、BeautifulSoup4

## 展示效果

<img src="imgs/对话.png">
<img src="imgs/文档管理.png">
<img src="imgs/系统状态.png">