# rag-chatbot 

**Repository Path**: xtym/rag-chatbot

## Basic Information

- **Project Name**: rag-chatbot 
- **Description**: 轻量级智能客服助手
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-04-01
- **Last Updated**: 2026-04-01

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 轻量级智能客服助手

🔗 **在线体验**: [http://8.138.125.64:7860](http://8.138.125.64:7860)

## 📖 项目简介
一个基于RAG架构的智能客服助手，专为**2GB内存环境**设计，完全基于免费API实现知识库问答。

## ✨ 功能特性
- RAG完整流程：文档切分→向量化→相似检索→LLM生成
- 多轮对话记忆
- 内存占用 < 500MB
- Docker一键部署，公网访问

## 🛠️ 技术栈
| 组件 | 选型 |
|------|------|
| 后端 | FastAPI |
| 前端 | Gradio |
| AI框架 | LangChain |
| 嵌入模型 | BAAI/bge-small-zh |
| 向量库 | FAISS |
| LLM | 智谱AI (免费) |

## 🚀 快速开始
```bash
# 1. 安装依赖
pip install -r requirements.txt

# 2. 配置环境变量
# 创建 .env 文件，填入：
ZHIPUAI_API_KEY=your_api_key_here

# 3. 准备知识库
# 将知识文档放入 data/knowledge.txt

# 4. 启动服务
# 终端1：启动后端
uvicorn backend.main:app --host 0.0.0.0 --port 8000

# 终端2：启动前端
python frontend/app.py
访问 http://localhost:7860 开始对话。

📁 项目结构
text
├── backend/          # FastAPI后端
│   ├── main.py
│   └── rag/          # RAG核心模块
├── frontend/         # Gradio前端
├── data/             # 知识库文件
└── chroma_db/        # 向量库
🔧 性能优化
内存优化：手动管理嵌入，内存占用<500MB

缓存策略：LRU缓存，重复问答提速80%

异步处理：支持并发请求

检索优化：FAISS HNSW索引，检索<100ms

📊 测试数据
知识库：3个文档块

响应时间：1.2秒

内存占用：450MB

💡 项目亮点
资源受限下的工程实践：在2GB内存环境中完整实现RAG架构

成本控制：完全基于免费API，零成本运行

技术选型：对比Chroma后选择FAISS，降低内存占用

工程完整性：Docker化部署、公网访问、多轮对话


rag_project/
├── backend/               # 后端核心代码
│   ├── main.py           # 入口文件（必须）
│   └── rag/              # RAG模块
│       ├── __init__.py   # 包标识
│       ├── llm.py        # LLM配置（必须）
│       ├── embeddings.py # 嵌入模型（必须）
│       ├── vector_store.py # FAISS封装（必须）
│       ├── qa_chain.py   # 问答链（必须）
│       ├── ingest.py     # 知识库入库（必须）
│       └── config.py     # 配置（必须）
├── frontend/              # 前端代码
│   └── app.py            # Gradio应用（必须）
├── data/                  # 知识库文件
│   └── knowledge.txt      # 你的知识内容（必须）
├── chroma_db/             # FAISS索引目录
│   └── faiss_index/       # 索引文件（运行后生成）
├── .env                   # 环境变量（必须）
├── docker-compose.yml     # Docker配置
├── requirements.txt       # 依赖列表
└── README.md              # 项目说明