> [!NOTE] > 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。 > [English](./README.en.md) · [原始项目](https://github.com/AI-Meet/Knowledge_QA_RAG) · [上游 README](https://github.com/AI-Meet/Knowledge_QA_RAG/blob/HEAD/README.md) > 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。 # Knowledge_QA_RAG ## 概述 本系统是一种基于 RAG 的知识库问答系统简单示例，采用前后端分离的架构设计，融合了多种技术和方法。具体详情可参考：[https://blog.csdn.net/weixin_47936614/article/details/143932997](https://blog.csdn.net/weixin_47936614/article/details/143932997) ## Milvus 安装 本系统是在 Windows 11 上进行部署和运行的，关于 Milvus 向量数据库的安装和启动可以参考以下步骤： 1.勾选 `适用于Linux的Windows子系统` 和 `虚拟机平台`  2.点击 `确定` 并重新启动计算机 3.以管理员身份打开命令提示符，输入以下命令安装 WSL： - 在 PowerShell 中设置 WSL 2 为默认版本： ``` wsl --set-default-version 2 ``` - 更新 WSL 内核，使用国内网络建议添加 `--web-download`： ``` wsl --update --web-download ``` 安装成功后的结果如下：  4.下载安装 Docker Desktop 进入官网下载对应的版本安装即可，官网链接：[https://www.docker.com/products/docker-desktop/](https://www.docker.com/products/docker-desktop/) 5.验证是否安装成功： ``` docker --version docker-compose --version ```  6.Milvus 向量数据库安装 - 创建 milvus 文件夹，并在该文件夹下创建多个子文件夹，如下：  - 下载 Milvus 进入下载页面：[https://github.com/milvus-io/milvus/releases](https://github.com/milvus-io/milvus/releases) 选择 Milvus 版本及其对应的 yml 文件，点击下载即可，如下：  - 将下载好的 `milvus-standalone-docker-compose.yml` 重命名为 `docker-compose.yml` ，并放入 milvus 文件中，如下：  - 在 milvus 文件夹中启动 cmd 命令，输入以下命令： ``` docker compose up -d docker compose ps docker port milvus-standalone 19530/tcp ``` 运行结果如下：   至此，Milvus 数据库部署成功！ 7.Attu 图形化界面安装 下载地址：[https://github.com/zilliztech/attu/releases](https://github.com/zilliztech/attu/releases) 选择对应的版本直接下载安装即可：  ## 环境安装 ``` conda create --name rag-env python=3.10 cd Knowledge_QA_RAG conda activate rag-env pip install -r requirements.txt ``` ## 快速开始 1.启动 Milvus 数据库  2.启动系统服务 ``` python main.py ``` 或 ``` uvicorn server:app --reload --host 127.0.0.1 --port 8000 ``` 3.访问页面：在浏览器中输入下面 URL 地址即可访问 ``` http://127.0.0.1:8000/ ``` ## 项目演示示例： 📺 [点击观看项目演示视频](https://www.bilibili.com/video/BV1a49KBqE7n/)