基于RAG的自建知识库智能问答系统，文档检索+大模型生成可靠回答

方案简介

RAG Web UI 是一套基于 RAG（检索增强生成）技术的智能对话系统，帮助用户基于自己的知识库搭建智能问答服务。它将文档检索与大语言模型结合，实现准确、可靠的知识型问答。

该方案支持多种 LLM 部署方式：既可接入 OpenAI、DeepSeek、MiniMax 等云端服务，也可通过 Ollama 本地部署模型，满足不同场景下的隐私与成本需求。系统还提供 OpenAPI 接口，方便通过 API 调用访问知识库。

适合希望将私有文档（PDF、DOCX、Markdown、TXT 等）变成可对话知识库的开发者与团队，尤其是需要数据私有化部署、或需要通过 API 集成问答能力到自有产品的场景。

亮点与能力

• 智能文档管理：支持 PDF、DOCX、Markdown、Text 多种文档格式，自动分块与向量化，支持异步文档处理与增量更新
• 高级对话引擎：基于 RAG 的精准检索与生成，支持多轮上下文对话，对话中支持引用出处标注
• 健壮架构：前后端分离设计，分布式文件存储
• 高性能向量数据库：支持 ChromaDB、Qdrant，通过 Factory 模式轻松切换
• OpenAPI 接口：通过 API Key 管理与 API 调用访问知识库
• 异步处理流程：文档上传后返回 Job ID，可轮询处理状态（Processing/Completed/Failed）

组成与分工

• FastAPI：高性能异步 Web 框架，承担后端 API 服务
• MySQL：关系型数据库，存储用户、知识库等结构化数据
• ChromaDB：向量数据库，存储文档向量化结果，支撑检索
• MinIO：分布式对象存储，存放上传的原始文档文件
• Ollama / OpenAI / DeepSeek / MiniMax：大语言模型服务，负责基于检索上下文生成回答
• Embedding Service：Embedding API 与 Embedding Server，将文本切分片段向量化后写入向量库
• NFS：分布式文件存储环节，对接文档预处理流程

前置要求

• Docker & Docker Compose v2.0+
• Node.js 18+
• Python 3.9+
• 8GB+ RAM

使用与配置要点

服务启动后通过以下地址验证与使用：

• 🌐 前端 UI：http://127.0.0.1.nip.io
• 📚 API 文档：http://127.0.0.1.nip.io/redoc
• 💾 MinIO 控制台：http://127.0.0.1.nip.io:9001

日常使用流程：在前端管理界面创建知识库并上传文档（PDF/MD/TXT/DOCX），系统返回 Job ID 并异步完成预处理、分块、向量化入库，可通过 Job 状态查询轮询进度；随后在对话界面即可基于知识库进行多轮问答并查看引用；也可通过 API Key 管理，使用 OpenAPI 接口以检索上下文方式集成到自有应用。

优缺点

• ✓ 支持云端与本地Ollama部署，兼顾隐私
• ✓ 支持ChromaDB、Qdrant向量库
• ✕ 需要8GB以上内存
• ✕ 文档截断，完整部署细节需查原仓库

出处

本方案挖掘自开源项目 rag-web-ui/rag-web-ui，方案内容与实施命令均来自其 README 原文。