水利知识 RAG 问答系统

根据目标需求构建知识库，基于RAG技术，构建面向知识问答的web系统，该系统能够回答水文化相关的问题（含水利工程、水利相关历史名人、水利习俗、河流湖泊介绍等），并具有记忆能力。

项目结构

project-root/

├── backend/

│ ├── api/ # FastAPI Web 服务

│ │ ├── app.py # API 入口，路由定义

│ │ ├── models.py # Pydantic 请求/响应模型

│ │ └── rag_service.py # RAG 调用封装 + 对话记忆管理

│ ├── RAG/ # 核心 RAG 模块（勿改动）

│ │ ├── main.py # 检索-重排-生成核心逻辑

│ │ ├── datas/ # 水利文本数据集

│ │ ├── database/ # ChromaDB 向量库持久化目录

│ │ └── models/ # Cross-Encoder 重排模型

│ └── RAG_test.py # CLI 入口（开发调试用）

├── frontend/ # Vue 3 + Element Plus 前端

│ ├── src/

│ │ ├── App.vue # 聊天界面主组件

│ │ └── main.js # Vue 入口

│ ├── index.html

│ ├── package.json

│ ├── package-lock.json

│ └── vite.config.js

├──requirements.txt #python环境所需的包

└── README.md #项目说明文档

部署教程

1. 部署python环境

在根目录路径下的终端中运行下列指令

pip install -r requirements.txt

将DEEPSEEK API-key 放进系统环境变量中，命名为DEEPSEEK_API_KEY，内容放入正确的api-key。

2. 部署前端环境

在根目录路径下的终端中按顺序运行下列指令

cd frontend
npm install

启动服务

1. 启动后端服务

在根目录下运行下列代码：

uvicorn backend.api.app:app --host 0.0.0.0 --port 8000 --reload

2. 启动前端服务

在根目录下运行下列代码：

cd frontend
npm run dev

前端默认运行在 http://127.0.0.1:3000 ，自动代理 API 请求到后端 8000 端口。

4. 在浏览器中访问http://localhost:3000即可开始进行对话

特别说明：

1. 首次部署完成提问之前要先进行重建向量数据库，否则将会出现错误，无法回答
2. 启动后端服务，需要一些特殊手段，因为相关模型链接在国外的网站上面，否则将无法加载相关模型，进而无法启动后端服务
3. 接口文档在http://127.0.0.1:8000/docs