nonebot-plugin-llm-qa-system 0.1.7

基于 Ollama + RAG 的智能问答系统

nonebot-plugin-llm-qa-system

基于本地 Ollama 大模型 + RAG（检索增强生成）的 NoneBot2 智能问答插件。

功能

• 问答：基于知识库的内容，利用 LLM 生成回答
• 添加知识：向知识库添加条目，自动生成语义嵌入向量
• 语义搜索：通过余弦相似度检索相关知识
• 知识管理：列出、删除、清空知识条目

安装

pip install nonebot-plugin-llm-qa-system

或者将本插件目录复制到项目的 src/plugins/ 下，然后在 pyproject.toml 中注册：

[tool.nonebot]
plugins = ["nonebot_plugin_llm_qa_system"]

前置依赖

• Ollama 本地运行
• 所需的模型（首次使用前需拉取）：

ollama pull qwen3:1.7b         # 对话模型（默认）
ollama pull nomic-embed-text   # 嵌入模型

配置

在项目 .env 文件中添加以下配置项：

# —— 数据库（必须）——
# 默认使用 SQLite，通过 nonebot-plugin-orm 管理
# 可自定义路径，确保目录已创建
SQLALCHEMY_DATABASE_URL=sqlite+aiosqlite:///path/to/data/llm_qa.db

# —— 插件配置 ——
# Ollama 服务地址（默认值 http://localhost:11434）
llm_qa_ollama_host=http://localhost:11434

# 对话模型名称（默认值 qwen3:1.7b）
llm_qa_chat_model=qwen3:1.7b

# 嵌入模型名称（默认值 nomic-embed-text）
llm_qa_embed_model=nomic-embed-text

# RAG 检索返回的最大相关文档数（默认值 3）
llm_qa_top_k=3

# 余弦相似度最低阈值，低于该值的结果不返回（默认值 0.3）
llm_qa_min_score=0.3

使用

插件目前仅支持 QQ 群聊，所有命令通过群消息触发。

命令	权限	说明
问答 <问题>	群员	基于知识库回答用户问题
添加知识 <标题> <内容>	群员	向知识库添加条目
删除知识 <id>	SUPERUSER	删除指定条目
列出知识	群员	列出知识库所有条目
搜索知识 <关键词>	群员	语义搜索知识库
清空知识	SUPERUSER	清空全部条目（需确认）

示例

问答 RHEL 是什么？
添加知识 Docker安装 使用以下命令安装 Docker...
删除知识 3
列出知识
搜索知识 防火墙配置
清空知识 确认

工作原理

用户提问 → 嵌入查询向量 → 余弦相似度检索知识库 → 拼接上下文 → LLM 生成回答
                ↓                    ↑
          Ollama nomic-embed-text    知识库（SQLite + SQLAlchemy ORM）
                                     ↓
                               Ollama qwen3:1.7b

1. 用户发送 问答 <问题>
2. 插件从 SQLite 加载全部知识条目
3. 调用 Ollama 的嵌入 API 将问题转为向量
4. 计算所有条目的余弦相似度，返回 top_k 中高于 min_score 的条目
5. 拼接为 Prompt 发送给 Ollama 对话模型
6. 返回 LLM 生成的回答和参考来源

兼容性

插件自动兼容不同版本的 Ollama 嵌入 API：

• 优先尝试新版 /api/embed（Ollama >= 0.1.24）
• 失败时自动降级到旧版 /api/embeddings

依赖

• nonebot2>=2.0.0
• nonebot-adapter-onebot>=2.0.0
• nonebot-plugin-orm>=1.0.0
• httpx>=0.24.0
• Ollama（外部服务）

许可证

MIT