RAG - 智能知识库助手

ARG 是一款基于大语言模型的企业级智能知识库问答系统，支持 RAG（检索增强生成）、SQL 数据库查询、多轮对话等功能。

功能特性

• 智能问答：基于 RAG 技术，结合企业知识库提供精准回答
• SQL 查询：支持自然语言转 SQL，自动查询数据库
• 多轮对话：支持上下文感知的连续对话
• 知识库管理：支持多种文档格式（PDF、Word、Excel、图片等）的导入和管理
• MCP 集成：支持 Model Context Protocol，可扩展外部工具能力
• 用户认证：支持密码登录和会话管理
• 流式输出：实时响应，提升用户体验

技术架构

核心框架

组件	技术栈	说明
前端界面	Chainlit	Python 原生 AI 对话界面框架
工作流编排	LangGraph	构建复杂 LLM 工作流
LLM 调用	LangChain	大语言模型统一接口
向量数据库	Qdrant / ChromaDB / FAISS	文档向量存储与检索
关系数据库	PostgreSQL	用户数据、会话记录存储
文档解析	unstructured + OCR	多格式文档解析

主要依赖

Python 3.10+
chainlit >= 1.0.0
langchain >= 1.0.0
langgraph
qdrant-client
chromadb
sqlalchemy
fastapi

完整依赖列表见 requirements.txt

快速开始

环境要求

• Python 3.10+
• Docker & Docker Compose（推荐）
• PostgreSQL 15+
• Qdrant（向量数据库）

1. 克隆项目

git clone <your-repo-url>
cd arg

2. 配置环境变量

复制环境变量模板：

cp app/.env.example app/.env

编辑 app/.env 文件，配置以下关键参数：

# 数据库配置
DATABASE_URL=postgresql+asyncpg://postgres:your_password@localhost:5432/arg

# LLM API 密钥（至少配置一个）
DASHSCOPE_API_KEY=sk-your-dashscope-key      # 阿里云通义千问
DEEPSEEK_API_KEY=sk-your-deepseek-key          # DeepSeek
OPENAI_API_KEY=sk-your-openai-key              # OpenAI（可选）

# 默认模型
DEFAULT_LLM_MODEL=qwen-max                     # 或 deepseek-chat

# 认证密钥
CHAINLIT_AUTH_SECRET=your-secret-key
AUTH_SECRET_KEY=your-auth-secret

# 管理员密码
ADMIN_PASS=your-admin-password

3. 本地开发运行

方式一：Conda 环境（推荐开发使用）

# 创建环境
conda create -n arg python=3.10
conda activate arg

# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 设置项目根目录（Windows）
$env:CHATCHAT_ROOT="e:\pythonPro\arg\app"

# 设置项目根目录（Linux/Mac）
export CHATCHAT_ROOT=/path/to/arg/app

# 启动应用
cd app
python -m chainlit run app.py -w

应用将在 http://localhost:8000 启动，-w 参数支持热重载。

方式二：Docker Compose（推荐生产使用）

# 构建并启动所有服务
docker-compose up -d --build

# 查看日志
docker-compose logs -f app

# 查看最近100行日志
docker-compose logs --tail=100 app

服务启动后访问 http://localhost:8000

生产部署

服务器环境要求

• Linux 服务器（Ubuntu 20.04+ / CentOS 7+）
• Docker 20.10+ 和 Docker Compose
• 域名（可选，用于 HTTPS）
• 宝塔面板（推荐，用于 Nginx 反向代理管理）

部署步骤

1. 服务器准备

# 创建部署目录
mkdir -p /opt/arg_app
cd /opt/arg_app

# 上传项目文件（通过 git 或 scp）
git clone <your-repo-url> .

2. 配置生产环境变量

# 编辑生产环境配置
vim app/.env

关键配置项：

# 数据库使用 Docker 内网地址
DATABASE_URL=postgresql+asyncpg://postgres:postgres@db:5432/langchain_chatchat

# Qdrant 向量数据库地址
QDRANT_HOST=qdrant
QDRANT_PORT=6333

# 生产环境关闭调试
LANGSMITH_TRACING=false

3. 启动服务

docker-compose up -d

1. 申请 SSL 证书并开启 HTTPS

4. 验证部署

# 检查容器状态
docker-compose ps

# 查看应用日志
docker logs -f arg_app

访问 https://rag.yourdomain.com 验证服务是否正常。

Docker 镜像构建与推送（可选）

如需使用私有镜像仓库：

# 1. 登录镜像仓库
docker login your-registry.com

# 2. 构建镜像
docker build -t arg-app:latest .

# 3. 标记镜像
docker tag arg-app:latest your-registry.com/library/arg-app:latest

# 4. 推送镜像
docker push your-registry.com/library/arg-app:latest

# 5. 服务器拉取运行
docker pull your-registry.com/library/arg-app:latest

项目结构

arg/
├── app/                          # 应用主目录
│   ├── app.py                    # 程序入口
│   ├── core/                     # 核心逻辑
│   │   ├── state_graph/          # LangGraph 工作流
│   │   │   ├── nodes/            # 工作流节点
│   │   │   ├── states/           # 状态定义
│   │   │   ├── main_graph.py     # 主工作流
│   │   │   ├── knowledge_query_graph.py  # 知识库查询子图
│   │   │   └── sql_query_graph.py        # SQL 查询子图
│   │   └── prompts.py            # 提示词模板
│   ├── db/                       # 数据库相关
│   │   ├── models/               # SQLAlchemy 模型
│   │   └── repository/           # 数据访问层
│   ├── file_rag/                 # 文档处理与 RAG
│   │   ├── document_loaders/     # 文档加载器
│   │   ├── retrievers/           # 向量检索
│   │   └── text_splitter/        # 文本分割
│   ├── knowledge_base/           # 知识库管理
│   ├── logic/                    # 业务逻辑
│   ├── data/                     # 数据目录
│   └── .env                      # 环境变量
├── docker-compose.yml            # Docker 编排配置
├── Dockerfile                    # 应用镜像构建
└── requirements.txt              # Python 依赖

常用命令

# Docker 操作
docker-compose up -d              # 后台启动
docker-compose down               # 停止服务
docker-compose restart app        # 重启应用
docker-compose logs -f app        # 实时查看日志
docker exec -it arg_app bash      # 进入容器

# 数据库操作
docker exec -it arg_postgres psql -U postgres -d arg

# 本地开发
python -m chainlit run app.py -w  # 热重载模式

贡献指南

欢迎提交 Issue 和 Pull Request！

许可证

MIT License