一个最小可运行（MVP）级的工业设备维护知识库 AI 演示项目，采用 RAG (Retrieval-Augmented Generation) 技术，让大语言模型基于你的私有文档进行精准问答。
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ PDF 文档 │ -> │ 文本分块 │ -> │ 向量化存储 │ -> │ ChromaDB │
└─────────────┘ └─────────────┘ └─────────────┘ └─────────────┘
│
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ 用户提问 │ -> │ 语义检索 │ <- │ 相似度匹配 │ <─────────┘
└─────────────┘ └─────────────┘ └─────────────┘
│
v
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ AI 回答 │ <- │ LLM 生成 │ <- │ 上下文 + 问题│
└─────────────┘ └─────────────┘ └─────────────┘
- 📄 PDF 文档处理 - 上传设备手册、维护指南等 PDF 文档，自动分块和向量化
- 🔍 语义检索 - 基于向量相似度的智能检索，找到最相关的文档片段
- 🤖 多模型支持 - Qwen（推荐）/ OpenAI / DeepSeek / Ollama 本地模型
- 💬 现代 Chat UI - 工业风格深色主题界面，支持 Markdown 渲染
- 📊 来源追溯 - 显示回答的参考来源、页码和相关度评分
- 🚀 国内直连 - Qwen API 无需代理，开箱即用
| 技术 | 说明 |
|---|---|
| React 18 | 现代前端框架 |
| Vite | 快速构建工具 |
| Lucide React | 图标库 |
| React Markdown | Markdown 渲染 |
| 技术 | 说明 |
|---|---|
| FastAPI | 高性能 Python Web 框架 |
| Pydantic | 数据验证 |
| LangChain | PDF 加载和文本分块 |
| Requests | HTTP API 调用 |
| 技术 | 说明 |
|---|---|
| ChromaDB | 向量数据库（本地持久化） |
| Qwen Embedding API | 文本向量化（阿里云） |
| Qwen LLM API | 大语言模型（阿里云） |
| 提供商 | 模型 | 网络需求 |
|---|---|---|
| Qwen 通义千问 | qwen-plus | 国内直连 ✅ |
| DeepSeek | deepseek-chat | 国内直连 ✅ |
| OpenAI | gpt-3.5-turbo | 需要代理 |
| Ollama | llama2 等 | 完全离线 ✅ |
industrial_agent_mini_demo/
├── backend/
│ ├── main.py # FastAPI 主入口
│ ├── rag_pipeline.py # RAG 核心逻辑（检索+生成）
│ ├── config.py # 配置管理
│ ├── env_template.env # 环境变量 ⚠️ 需配置 API Key
│ └── requirements.txt # Python 依赖
├── frontend/
│ ├── src/
│ │ ├── App.jsx # 主应用（Chat UI）
│ │ ├── App.css # 应用样式
│ │ ├── index.css # 全局样式（工业风主题）
│ │ └── main.jsx # 入口文件
│ ├── index.html
│ ├── package.json
│ └── vite.config.js
├── start_backend.bat/.sh # 一键启动脚本
├── start_frontend.bat/.sh
└── README.md
- Conda (Anaconda / Miniconda) - Python 环境管理
- Node.js - 前端运行环境（通过 conda 安装，无需单独下载）
- (可选) Ollama - 用于本地模型
打开 Anaconda Prompt，执行：
# 创建虚拟环境
conda create -n agent_mini_demo python=3.10 -y
# 激活环境
conda activate agent_mini_demo
# 安装 Node.js (前端需要)
conda install -c conda-forge nodejs -y编辑 backend/env_template.env 文件，填写你的 API Key：
# 默认使用 Qwen (通义千问) - 国内直连，无需代理
LLM_PROVIDER=qwen
QWEN_API_KEY=sk-你的API密钥 # ⚠️ 替换为真实的 API Key获取 Qwen API Key: https://bailian.console.aliyun.com/cn-beijing/?tab=model#/api-key
在 Anaconda Prompt 中执行（确保已激活 agent_mini_demo 环境）：
# 进入后端目录
cd E:\你的项目路径\industrial_agent_mini_demo\backend
# 安装 Python 依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 启动后端服务
python main.py✅ 后端启动成功后访问：http://localhost:8000/docs
新开一个 Anaconda Prompt 窗口，执行：
# 激活环境
conda activate agent_mini_demo
# 进入前端目录
cd E:\你的项目路径\industrial_agent_mini_demo\frontend
# 安装依赖 (首次运行)
npm install
# 启动前端
npm run dev✅ 前端启动成功后访问：http://localhost:3000
- 上传文档: 点击顶部「上传文档」按钮，选择 PDF 文件
- 提问: 在底部输入框输入问题，按回车或点击发送
- 查看来源: AI 回答下方会显示参考来源和相关度
- 清空知识库: 点击垃圾桶图标清空所有已导入的文档
在 backend/env_template.env 中修改 LLM_PROVIDER 切换模型：
LLM_PROVIDER=qwen
QWEN_API_KEY=sk-xxx
QWEN_MODEL=qwen-plus获取 API Key: https://dashscope.console.aliyun.com/
LLM_PROVIDER=deepseek
DEEPSEEK_API_KEY=sk-xxx
DEEPSEEK_MODEL=deepseek-chatLLM_PROVIDER=openai
OPENAI_API_KEY=sk-xxx
OPENAI_MODEL=gpt-3.5-turbo# 首先安装并启动 Ollama
ollama pull llama2LLM_PROVIDER=local
LOCAL_MODEL=llama2| 方法 | 路径 | 说明 |
|---|---|---|
| GET | / |
服务状态 |
| GET | /health |
健康检查 |
| POST | /upload |
上传 PDF 文件 |
| POST | /query |
RAG 问答 |
| GET | /stats |
知识库统计 |
| DELETE | /clear |
清空知识库 |
| GET | /files |
列出已上传文件 |
# 问答
curl -X POST http://localhost:8000/query \
-H "Content-Type: application/json" \
-d '{"question": "如何进行日常维护检查?"}'
# 上传文件
curl -X POST http://localhost:8000/upload \
-F "file=@设备手册.pdf"- 知识库数据存储在
backend/chroma_db/目录 - 上传的 PDF 文件保存在
backend/uploads/目录 - 环境配置文件：
backend/env_template.env - 前端开发时会自动代理 API 请求到后端
A: 编辑 backend/env_template.env，填写正确的 API Key（不要加引号）
A: 在 conda 环境中安装 Node.js：conda install -c conda-forge nodejs -y
A: 确保在正确的 conda 环境中运行后端：conda activate agent_mini_demo
MIT License