这是一个完整的RAG（检索增强生成）技术实战教程，详细介绍了如何从零开始搭建支持多格式文档的知识问答系统。通过模块化设计实现了文档上传、内容解析、向量存储和智能问答功能，有效解决了大语言模型的静态知识局限和幻觉问题，为开发者提供了可复用的技术方案。
智能速览
支持PDF、DOCX、TXT、MD等多种文档格式的解析处理
通过向量数据库实现文档内容的向量化存储与检索
集成千问、OpenAI等主流大语言模型，支持流式输出
采用重排技术提升检索精度，优化问答准确性
基于Streamlit构建直观的Web交互界面
模块化架构设计便于后续功能扩展与维护
精华内容
RAG技术通过结合检索与生成两种能力，让大语言模型能够基于特定文档知识进行准确回答。下面将详细解析系统架构设计与核心实现。
系统架构设计
整个RAG问答系统分为文档处理和用户查询两大阶段。文档处理阶段负责将上传的文档解析、分块、向量化并存储到向量数据库中；用户查询阶段则通过相似度检索、重排序、结合历史对话等步骤，生成基于文档的精准回答。
系统采用模块化设计，主要包含嵌入模型、大语言模型、重排模型和RAG服务四大组件。这种设计保证了代码的可维护性和可扩展性，开发者可以根据需求灵活切换不同的模型服务。
嵌入模型实现
系统支持千问、OpenAI和本地BGE三种嵌入模型，通过统一的接口进行管理。在实现过程中，由于langchain_community包中的DashScopeEmbeddings类存在批量大小限制问题，需要重写该类并调整默认BATCH_SIZE参数。
具体实现中，在models文件夹下创建了custom_dashscope_embedding.py和langchain_embedding.py两个文件，分别处理千问模型的适配和多模型统一初始化逻辑。测试结果显示，文本能够成功转换为向量表示。
大语言模型集成
基于LangChain框架封装LLM调用逻辑，支持千问、DeepSeek、OpenAI、智谱等多种模型服务。系统通过环境变量读取配置，进行参数校验，最终返回ChatOpenAI实例。
在models/langchain_llm.py文件中实现了模型的统一初始化，通过MODEL_CONFIG_MAP配置可灵活扩展新的模型服务。默认使用千问模型，测试运行正常，能够响应聊天请求。
重排模型优化
为了提升检索精度，系统集成了重排模型对检索到的候选文档进行语义相关性重排。这一步骤显著提高了最终问答的准确性，确保LLM基于最相关的文档片段生成回答。
重排模型的实现在models/reranker_model.py文件中，初始化后能够对文档集合进行有效排序。测试结果表明，重排后的文档与查询的语义匹配度得到明显改善。
RAG核心服务
RAG服务的核心逻辑在services/rag_service_stream.py中实现，包含了文档处理、向量存储、检索和回答生成等完整流程。文档处理方法负责解析、分块、向量化并存储上传的文档。
问答执行入口实现了从检索相关文档、重排序、结合历史对话到调用LLM流式生成的完整流程。系统支持上下文连贯对话，通过流式输出提升用户体验，并能够重新上传文档或清空历史知识。
Web界面交互
基于Streamlit框架构建了简洁直观的Web交互界面，用户只需上传文档并提问，即可获得基于文档的精准回答。界面支持流式输出，让用户能够实时看到回答生成过程。
系统默认在http://localhost:8501启动Web服务，通过简单的操作流程即可完成文档问答。整个项目源码位于practice_cases/simple_rag_assistant目录下，可直接运行使用。
