ai-meet--knowledge_qa_rag/README.md

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 · 原始项目 · 上游 README
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

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/

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 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 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