rag-assistant-ldxs 0.5.3

本地 RAG 智能体 — 基于嵌入向量路由的多知识库问答系统

RAG Assistant

本地知识库问答智能体 — LLM 驱动的组合式语义检索与多库路由。 作者：wUwproject | 许可证：Apache 2.0

基于 local-rag-builder 技能构建的独立 RAG 智能体，支持 LM Studio / Ollama 双后端。

核心特性

• 组合式查询 — LLM 自动对问题做实体/属性分词（entities + attrs），穷举组合后独立检索，SM3 去重合并，LLM 综合回答
• 多库路由 — 硬编码关键词 + 语义回退（FallbackRouter）双路由，自动匹配最相关的知识库
• 自修正决策 — LLM 输出格式错误时自动反馈重试（最多 5 次），重试耗尽时清上下文重来
• 配置持久化 — timeout / max_tokens / backend / model 全部保存到 config.json，刷新页面不丢
• 思考过程折叠 — LLM 推理过程以可折叠 🤔 框显示，不影响正常回答
• 联网搜索 — 可选启用，扩展知识库覆盖范围

文件结构

文件	作用
main.py	入口，CLI + Web 双模式
rag_assistant/agent.py	Agent 决策循环（entities/attrs 分词 → 自修正 → 知识库检索 → 综合回答）
rag_assistant/web_ui.py	Web 界面（port 8765），LLM 配置面板 + 聊天界面
rag_assistant/llm_client.py	LLM 统一客户端（Ollama + LM Studio），含 reasoning_content 提取
rag_assistant/rag_wrapper.py	技能封装层，完整走 local-rag-builder 流程
scripts/	local-rag-builder 技能核心模块（路由 / 检索 / rerank / 知识库管理）
setup.bat	Windows 一键启动

快速开始

# 1. 安装依赖
pip install -r requirements.txt

# 2. 下载嵌入模型（通过 RAG 配置页）
#    启动后打开 http://localhost:8766 → 模型管理 → 下载

# 3. 启动
python main.py

# 4. 打开浏览器访问 http://localhost:8765

启动脚本

setup.bat          # Windows 一键启动（自动装依赖 + 启动 + 打开浏览器）

配置

LM Studio / Ollama 后端、模型选择、timeout、max_tokens 等通过 Web 界面（port 8765）顶部配置栏设置，自动保存到 data/config/rag_config.json。

嵌入模型和路由模型通过 RAG 配置页（port 8766）下载和管理。

依赖

• LM Studio 或 Ollama（本地 LLM 推理服务）
• Python 3.11+
• 嵌入模型（通过 RAG 配置页下载，推荐 BAAI/bge-small-zh-v1.5）

许可证

Apache 2.0 — 详见 LICENSE 文件