RAG智能客服系统

基于检索增强生成（RAG）技术的智能客服系统，支持知识库管理和对话问答功能。

功能特性

• 智能问答：基于通义千问大模型，结合知识库进行精准回答
• 历史记忆：支持多轮对话，保持上下文连贯性
• 知识库管理：支持上传TXT文件构建向量知识库
• 去重机制：基于MD5自动检测重复内容，避免重复入库
• 向量检索：使用Chroma向量数据库存储和检索文档

技术栈

• 大语言模型：通义千问 (Qwen3-max)
• 嵌入模型：DashScope text-embedding-v4
• 向量数据库：Chroma
• Web框架：Streamlit
• 核心框架：LangChain

项目结构

RAG_proj/
├── app_qa.py              # 智能问答Web界面
├── app_file_uploader.py   # 知识库上传Web界面
├── rag.py                 # RAG服务核心类
├── knowledge_base.py      # 知识库管理服务
├── vector_stores.py       # 向量存储服务
├── file_hisroty_store.py  # 对话历史存储
├── config_data.py         # 配置文件
├── data/                  # 示例知识库文档
│   ├── 尺码推荐.txt
│   ├── 洗涤养护.txt
│   └── 颜色选择.txt
├── chroma_db/             # 向量数据库目录
└── chat_history/          # 对话历史存储目录

快速开始

1. 安装依赖

pip install langchain langchain-community langchain-chroma streamlit dashscope

2. 配置API密钥

设置DashScope API密钥（通义千问）：

export DASHSCOPE_API_KEY="your-api-key"

3. 启动服务

启动知识库上传界面：

streamlit run app_file_uploader.py

启动智能问答界面：

streamlit run app_qa.py

使用说明

知识库管理

1. 打开知识库上传界面 (app_file_uploader.py)
2. 上传TXT格式的知识文档
3. 系统自动进行文本分割、向量化和存储
4. 重复内容会自动跳过

智能问答

1. 打开智能问答界面 (app_qa.py)
2. 在对话框中输入问题
3. 系统会从知识库中检索相关内容并结合大模型生成回答
4. 支持多轮对话，保持上下文记忆

配置说明

在 config_data.py 中可以修改以下配置：

配置项	默认值	说明
embedding_model_name	text-embedding-v4	嵌入模型名称
chat_model_name	qwen3-max	对话模型名称
chunk_size	1000	文本分块大小
chunk_overlap	100	文本分块重叠大小
similarity_threshold	1	向量检索返回数量

示例知识库

项目内置了服装领域的示例知识库：

• 尺码推荐.txt：身高体重与服装尺码对照表
• 洗涤养护.txt：不同材质服装的洗涤和养护指南
• 颜色选择.txt：肤色、场合、季节与服装颜色搭配建议

许可证

本项目采用 MIT 许可证，详见 LICENSE 文件。

注意事项

• 需要有效的 DashScope API 密钥才能正常使用
• 知识库文件目前仅支持 TXT 格式
• 向量数据库会自动持久化到 ./chroma_db 目录
• 对话历史存储在 ./chat_history 目录