1、RAG检索运行效果2、RAG检索搭建开发流程图3、RAG核心技术讲解**3.1、**加载本地大模型权重文件本项目采用千问GGUF 量化模型文件llm LlamaCpp(model_pathMODEL_PATH,temperature0.4,max_tokens1024,n_ctx4096,verboseTrue,# 打开详细日志看模型推理过程n_gpu_layers-1,)3.2、本地数据库写入****chromafrom langchain_chroma import Chromavectorstore Chroma.from_texts(textstexts,metadatasmetadatas,embeddingembedding_function,persist_directoryCHROMA_DIR)vectorstore.persist()向量数据库构建成功后会在本地新建一个chroma.sqlite3数据库文件数据存储在里面的embedding_fulltext_search_content中3**.3、读取本地向量库chroma的内容**vectorstore Chroma(persist_directoryCHROMA_DIR,embedding_functionembedding_function)3.4****构建langchain基础检索器retriever vectorstore.as_retriever(search_kwargs{“k”: 1})这是一个基础的langchain检索器写法search_kwargs{“k”: 1}取相似度最高的一段retriever vectorstore.as_retriever(search_kwargs{“k”: 1“filter”: {“编号”: “GNS-xxxx-xx”}}search_type“mmr”)search_type 是 vectorstore.as_retriever() 的顶层参数用来指定向量库检索的排序 / 筛选算法控制召回文档的逻辑LangChain 的 Chroma 仅支持三种固定取值1.similarity默认不写时就是这个2.mmrMaximal Marginal Relevance 最大边际相关性3.similarity_score_threshold相似度阈值过滤检索)3.5****LangChain 管道Runnable 链式语法 / LCEL 表达式rag_chain ({“context”: retriever | format_docs, “question”: RunnablePassthrough()}| prompt| llm| StrOutputParser())3.6****embedding 在项目中调用方法from langchain_community.embeddings import HuggingFaceEmbeddingsembedding_function HuggingFaceEmbeddings(model_name“shibing624/text2vec-base-chinese”,model_kwargs{‘device’: ‘cpu’},encode_kwargs{‘normalize_embeddings’: True})Embedding(嵌入)是一种将高维、离散或非结构化数据(如文本、图像、类别标签)映射到低维连续向量空间的技术这些向量能捕捉原始数据的语义或特征信息并使得相似的对象在向量空间中距离更近。通俗比喻:给每个词语/物品发一张智能身份证身份证号码(向量)隐含其特征。通过模型(如Word2Vecf)将单词转换为向量:学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
基于 LangChain + 本地向量库 + 轻量化 Qwen 构建私有化本地 RAG 智能检索问答系统
1、RAG检索运行效果2、RAG检索搭建开发流程图3、RAG核心技术讲解**3.1、**加载本地大模型权重文件本项目采用千问GGUF 量化模型文件llm LlamaCpp(model_pathMODEL_PATH,temperature0.4,max_tokens1024,n_ctx4096,verboseTrue,# 打开详细日志看模型推理过程n_gpu_layers-1,)3.2、本地数据库写入****chromafrom langchain_chroma import Chromavectorstore Chroma.from_texts(textstexts,metadatasmetadatas,embeddingembedding_function,persist_directoryCHROMA_DIR)vectorstore.persist()向量数据库构建成功后会在本地新建一个chroma.sqlite3数据库文件数据存储在里面的embedding_fulltext_search_content中3**.3、读取本地向量库chroma的内容**vectorstore Chroma(persist_directoryCHROMA_DIR,embedding_functionembedding_function)3.4****构建langchain基础检索器retriever vectorstore.as_retriever(search_kwargs{“k”: 1})这是一个基础的langchain检索器写法search_kwargs{“k”: 1}取相似度最高的一段retriever vectorstore.as_retriever(search_kwargs{“k”: 1“filter”: {“编号”: “GNS-xxxx-xx”}}search_type“mmr”)search_type 是 vectorstore.as_retriever() 的顶层参数用来指定向量库检索的排序 / 筛选算法控制召回文档的逻辑LangChain 的 Chroma 仅支持三种固定取值1.similarity默认不写时就是这个2.mmrMaximal Marginal Relevance 最大边际相关性3.similarity_score_threshold相似度阈值过滤检索)3.5****LangChain 管道Runnable 链式语法 / LCEL 表达式rag_chain ({“context”: retriever | format_docs, “question”: RunnablePassthrough()}| prompt| llm| StrOutputParser())3.6****embedding 在项目中调用方法from langchain_community.embeddings import HuggingFaceEmbeddingsembedding_function HuggingFaceEmbeddings(model_name“shibing624/text2vec-base-chinese”,model_kwargs{‘device’: ‘cpu’},encode_kwargs{‘normalize_embeddings’: True})Embedding(嵌入)是一种将高维、离散或非结构化数据(如文本、图像、类别标签)映射到低维连续向量空间的技术这些向量能捕捉原始数据的语义或特征信息并使得相似的对象在向量空间中距离更近。通俗比喻:给每个词语/物品发一张智能身份证身份证号码(向量)隐含其特征。通过模型(如Word2Vecf)将单词转换为向量:学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
