本项目是一个基于Langchain框架构建的检索增强生成（RAG）系统，能够处理PDF文档并构建本地向量数据库，结合外部知识源（百度百科）为用户提供智能问答服务。系统通过Streamlit提供友好的Web界面，支持多工具协同调用，优先使用本地文档信息，必要时补充外部权威解释。

• PDF文档批量处理与结构化解析（支持章节层级识别、表格识别）
• 本地向量数据库构建与高效检索（基于Chroma）
• 多工具协同问答（本地向量库检索 + 百度百科查询）
• 对话历史记录与展示
• 工具调用流程可视化

• Python 3.8+
• 相关依赖库（见下方安装说明）

1. 克隆或下载项目到本地

git clone <项目仓库地址>  # 若使用Git
cd 基于Langchain的简易RAG系统

2. 安装依赖包

pip install langchain langchain-community langchain-chroma langchain-huggingface langchain-openai
pip install aiohttp beautifulsoup4 streamlit chromadb python-multipart

3. 模型与配置准备

• 下载嵌入模型（如bge-large-zh-v1.5），并在PDF.py中修改模型路径：

  model_name = r"你的模型路径"  # 在init_embedding_model函数中

• （可选）百度百科查询需要配置Cookie：在BaiduMCP.py中填写BDUSS cookie值
• 配置LLM服务：在test.py和main.py中修改base_url和api_key以匹配本地LLM服务

基于Langchain的简易RAG系统/
├── BaiduMCP.py         # 百度百科查询工具实现
├── chroma_db/          # 向量数据库存储目录
├── PDF/                # 存放待处理的PDF文档
├── PDF.py              # PDF处理与向量数据库构建逻辑
├── test.py             # 系统测试脚本
└── main.py             # Streamlit主界面与核心逻辑

1. 准备PDF文档 将需要处理的PDF文件放入PDF目录下

2. 构建向量数据库 运行PDF.py处理文档并生成向量数据库：

   python PDF.py

   处理完成后，向量数据将存储在chroma_db/ai_teaching_standard目录

3. 启动问答系统 运行主程序启动Streamlit界面：

   streamlit run main.py

   系统将自动在浏览器中打开（默认地址：http://localhost:8501）

4. 开始问答 在输入框中填写问题并提交，系统将自动调用相关工具并返回结果，右侧将显示工具调用顺序

• "人工智能技术应用专业代码是什么？"
• "课程考核方式是什么？"
• "人工智能是什么？"

• 首次运行PDF.py时，若PDF目录为空，将无法生成向量数据库
• 确保本地LLM服务已启动并能正常访问（默认地址：http://localhost:3000/v1）
• 百度百科查询功能可能受网络状况和Cookie有效性影响
• 大文件处理可能需要较长时间，请耐心等待

1. 所有问题均先调用"VectorDB检索"查询本地文档
2. 非名词类问题：若本地有结果则直接回答，否则调用百度百科
3. 名词类问题：无论本地是否有结果，均需调用百度百科补充解释
4. 回答将明确区分本地文档信息与百度百科信息