# langchain_test

**Repository Path**: Guozhipengaaa/langchain_test

## Basic Information

- **Project Name**: langchain_test
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-05
- **Last Updated**: 2026-05-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LangChain RAG 示例项目

## 项目简介
这是一个基于 LangChain + Chroma + Streamlit 的本地知识库问答示例，包含两部分能力：

- 知识库更新：上传 `.txt` 文件并写入向量库
- 在线问答：基于检索增强生成（RAG）进行多轮问答

## 功能入口
- 启动知识库上传界面

```bash
streamlit run app_file_uploader.py
```

- 启动在线问答界面

```bash
streamlit run app_qa.py
```

## 环境准备
- Python 3.11（推荐）
- 安装依赖

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

- 如果使用本地向量模型（Ollama Embedding），额外安装

```bash
pip install langchain-ollama
```

## 环境变量
在项目根目录创建 `.env`，常用变量如下：

```env
DASHSCOPE_API_KEY=你的DashScope密钥
OLLAMA_BASE_URL=http://localhost:11434/v1
OPENAI_API_KEY=任意非空字符串
```

说明：
- 使用 DashScope 时需要 `DASHSCOPE_API_KEY`
- 使用 Ollama 的 OpenAI 兼容接口时通常需要 `OLLAMA_BASE_URL`
- 某些 OpenAI 兼容客户端会校验 `OPENAI_API_KEY` 是否存在

## 主要文件说明
- `app_file_uploader.py`：知识库文本上传界面
- `app_qa.py`：RAG 聊天问答界面
- `knowledge_base.py`：文本切分、去重（md5）与入库逻辑
- `vector_stores.py`：向量库检索封装
- `rag.py`：检索与提示词编排、对话链路
- `file_history_store.py`：会话历史存储
- `my_func/chat_model.py`：聊天模型创建
- `my_func/embedding.py`：Embedding 模型创建
- `config_data.py`：项目配置项

## 项目结构
```text
lang_test/
├─ app_file_uploader.py
├─ app_qa.py
├─ config_data.py
├─ file_history_store.py
├─ knowledge_base.py
├─ rag.py
├─ vector_stores.py
├─ requirements.txt
├─ my_func/
│  ├─ chat_model.py
│  └─ embedding.py
├─ test/
│  ├─ chain_test.py
│  ├─ file_message_history.py
│  ├─ loader.py
│  ├─ main.py
│  ├─ prompt_test.py
│  └─ vector.py
└─ chroma_db/  (运行后自动生成)
```

## 运行流程建议
1. 先配置 `.env` 与依赖
2. 启动 `app_file_uploader.py` 上传文本，构建知识库
3. 启动 `app_qa.py` 进行问答测试

## 常见问题
- 报错 `did not find dashscope_api_key`
  - 说明未配置 `DASHSCOPE_API_KEY`，或未正确加载 `.env`
- 报错 `does not support tools`
  - 说明当前模型不支持工具调用，需切换到支持 tool calling 的模型或不用 agent tools