nonebot-plugin-llm-qa-system

基于本地 Ollama 大模型 + RAG（检索增强生成）+ 多级缓存的 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
• 多级缓存：PromptCache → SemanticCache → AnswerCache，逐层拦截降低 CPU 推理开销
• 缓存管理：查看缓存状态和命中统计，手动清空缓存

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 bge-m3              # 嵌入模型（推荐）

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

# —— Ollama 服务 ——
# 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，推荐 bge-m3）
llm_qa_embed_model=bge-m3

# —— RAG 检索 ——
# 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

# —— 语义缓存 ——
# 语义缓存命中阈值，余弦相似度高于此值时直接返回缓存答案（默认值 0.97, 若使用 bge-m3 嵌入模型，则建议值为 0.95 ）
semantic_cache_threshold=0.97

# 语义缓存候选数，每次查询从最近 N 条缓存中匹配（默认值 200）
semantic_cache_max_candidates=200

使用

插件目前仅支持 QQ 群聊，所有命令通过群消息触发。

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
缓存状态

缓存架构

用户问题
    ↓
PromptCache（LRU 精确匹配，内存）
    ↓
SemanticCache（向量相似度 ≥ 0.97，SQLite）
    ↓
RAG 检索
    ↓
AnswerCache（内容指纹精确匹配，SQLite）
    ↓
LLM 生成
    ↓
写入各级缓存

各级缓存说明

缓存失效策略

• 知识变更（添加/删除/清空）：knowledge_version 递增，SemanticCache 和 AnswerCache 的旧版本条目自动隔离，不删除
• Prompt 修改：缓存键包含 system_prompt，prompt 内容变化自动 Miss
• 切换模型：缓存键包含 chat_model，模型变化自动 Miss
• 语义缓存清理：自动删除 30 天前的条目或版本差超过 5 的条目

缓存统计

缓存状态 命令输出示例：

📊 缓存状态：
  知识库版本：        5
  问答缓存（LRU 精确匹配）：3 条
  回答缓存（哈希匹配）：12 条
  嵌入缓存（持久化）：  20 条
  嵌入缓存（进程级）：  8 条

📈 缓存命中统计：
  Embedding 缓存: 命中 42 / 未命中 5
  Answer 缓存:    命中 15 / 未命中 8
  Semantic 缓存:  命中 6 / 未命中 17
  总命中率:       63.3%

工作原理

1. 用户发送 问答 <问题>
2. PromptCache 拦截：归一化后的问题精确匹配到历史缓存？直接返回
3. SemanticCache 拦截：计算问题向量，与最近 N 条缓存做余弦相似度，最高分 ≥ 阈值？返回缓存答案（跳过 RAG + LLM）
4. 加载知识库：从 SQLite 加载全部知识条目
5. RAG 检索：计算问题与每条知识的余弦相似度，返回 top_k 中高于 min_score 的条目
6. AnswerCache 拦截：基于知识内容指纹 + 知识库版本 + 系统提示 + 模型名 + 归一化问题的 SHA256 哈希精确匹配？返回
7. LLM 生成：拼接 Prompt 发送给 Ollama 对话模型
8. 写入缓存：同步写入 PromptCache + AnswerCache + SemanticCache

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
• jieba_next>=1.0.0（查询文本归一化分词）
• cachetools>=5.3.0（进程级 TTL 缓存）
• Ollama（外部服务）

许可证

MIT