基于Naive RAG知识库需求及技术设计
代码还需几天才能完成，请耐心等待...
需求：
实现一个简易版本的面试题问答智能体，可以通过用户自行上传文件，设置自己的专属知识库，然后可以向LLM提问问题，大模型进行回答的简单智能体。
目的：为了减少LLM幻觉问题以及针对自己的简历的智能体
项目可行性分析:下图是我通过Gemini快速创建一个简历面试题智能体，不涉及到工作流的配置。大家可以用coze或者FastGPT搭建，都是一样的。
项目扩展：后续可能会引入登陆、用户模块。
项目名称：知识问答小助手
项目实现：代码实现
技术设计
前端：基于Vue3 搭建一个展示页面
后端：Python + FastApi +Chroma向量数据库
运行环境：
项目可以从giHub库中tclone下来，在自己本地跑起来。
需要配置的环境及条件：
-
环境变量
确保本地有自己的调用AI大模型的API_KEY,代码中配置的获取API_KEY字段的方式为：
import os API_KEY = os.getenv("DASHSCOPE_API_KEY") -
模型选择：如果和以下模型不一样，可以去
utils/models.py中修改向量模型选择用
text-embedding-v4通用模型选择用
qwen3.5-plus
代码仓库地址：
后端仓库：https://github.com/dreamITGirl/pythonRAGProject
前端仓库: https://github.com/dreamITGirl/knowledage-agent