# RAG案例

**Repository Path**: maxueyou/rag-case

## Basic Information

- **Project Name**: RAG案例
- **Description**: rag案例
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 3
- **Created**: 2026-03-31
- **Last Updated**: 2026-03-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


# 服装品类RAG项目案例

## 项目概述

本项目基于Retrieval-Augmented Generation (RAG) 技术构建了一个智能问答系统，专门针对服装品类提供尺码推荐、洗涤养护建议以及颜色搭配指导等功能。通过整合自然语言处理和向量检索技术，系统能够高效地从知识库中提取相关信息并生成专业、准确的回答。

## 功能特性

- **智能尺码推荐**：根据用户提供的身高、体重等信息，结合预设的尺码标准，推荐合适的服装尺码。
- **洗涤养护指南**：根据不同材质（如纯棉、羊毛、真丝等）提供详细的清洗与保养建议。
- **颜色搭配建议**：依据肤色、场合及季节等因素，为用户提供个性化的色彩搭配方案。
- **对话历史管理**：记录用户的交互历史，支持多轮对话，增强用户体验。
- **文件上传功能**：允许管理员上传新的知识文档至知识库，持续丰富内容资源。

## 技术架构

### 核心组件

| 组件名称           | 描述                                                         |
|--------------------|--------------------------------------------------------------|
| [rag.py]          | 主服务逻辑，负责构建完整的RAG执行链                          |
| [vector_stores.py]| 管理向量数据库的操作，包括创建检索器                         |
| [knowledge_base.py]| 提供知识库维护功能，如文本分块、向量化存储                   |
| [file_history_store.py]| 实现聊天记录的持久化存储                                   |
| [config_data.py]   | 配置参数集中管理                                             |

### 第三方依赖

- **LangChain**: 构建语言模型应用框架
- **Streamlit**: 快速搭建Web界面
- **ChromaDB**: 开源向量数据库，用于相似性搜索
- **DashScope Embeddings**: 提供高质量文本嵌入模型
- **RecursiveCharacterTextSplitter**: 文本分割工具

## 安装与部署

### 环境准备

确保你的开发环境中已安装Python 3.8及以上版本，并设置好虚拟环境：

```bash
# 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

# 安装所需依赖包
pip install langchain langchain-community streamlit chromadb dashscope
```


### 初始化项目

1. 下载或克隆整个项目到本地；
2. 在项目根目录下运行初始化脚本（如有必要），完成配置文件设定；
3. 启动Streamlit应用程序：

```bash
streamlit run app_qa.py
```


访问 http://localhost:8501 查看效果。

## 使用说明

### 文件结构

```
.
├── data/
│   ├── 尺码推荐.txt      # 尺码对照表
│   ├── 洗涤养护.txt      # 材质清洗指南
│   └── 颜色选择.txt      # 色彩搭配原则
├── chat_history/         # 用户对话记录存储位置
├── chroma_db/            # ChromaDB本地持久化目录
├── md5.txt               # 已处理文件的MD5哈希值记录
├── *.py                  # 各个模块源代码文件
└── README.md             # 本文档
```


### 关键API介绍

#### 1. 尺码推荐服务 (`app_qa.py`)
通过调用 `/qa` 接口发起提问，例如：“我身高170cm，体重65kg，请问我适合穿什么尺码？”系统会返回对应的结果。

#### 2. 文件上传接口 (`app_file_upload.py`)
管理员可通过此页面上传新资料到知识库中，扩展系统的知识覆盖面。

### 示例输出

当用户询问关于春天穿衣颜色的选择时，系统可能会给出如下回答：

> 春天适合穿着明亮、柔和或充满生机的颜色，以呼应季节的清新与活力。以下是一些推荐色系：
>
> - **柔和粉彩色**：如浅粉、薄荷绿、淡蓝、奶油黄，给人温柔清新的感觉。
> - **自然大地色**：如卡其、米白、浅棕，百搭又富有春日氛围。
> ...
>
> 根据个人肤色和风格选择主色调，再辅以1–2种点缀色，能轻松打造春日穿搭。

## 注意事项

- 所有敏感操作（如删除知识条目）应谨慎执行；
- 定期备份重要数据（特别是 `chroma_db/` 和 `chat_history/` 目录下的内容）以防意外丢失；
- 如遇性能瓶颈，考虑优化文本切片策略或升级硬件资源。

---

希望这份README对你有所帮助！如果有任何疑问或需要进一步的技术支持，请随时联系项目维护者。

## 许可证

本项目采用 MIT 许可证。