搭配方案

本地 RAG 方案，用 Ollama+LangChain 实现与 PDF 文档对话问答

Ollama 提供本地 LLM 与嵌入模型，LangChain 编排 RAG 流水线，ChromaDB 存向量，多前端提供界面与 API

多PDF对话问答AI代理：向量检索+大模型回答+网页部署

Langchain编排流程，Gemini生成回答，FAISS做向量检索，Streamlit提供前端部署

用Streamlit可视化界面编排CrewAI多智能体，无需写代码

Streamlit负责UI交互，CrewAI承担多智能体编排，多种LLM后端供推理，Docker简化部署

用自然语言构建可配置并可问答的RAG应用

Streamlit承载交互界面，OpenAI负责构建与问答，LlamaIndex Python提供RAG实现基础。

让具备Agent能力的模型自动选择并调用多个工具

ChatGLM3、Qwen或在线API模型负责理解任务，Agent负责工具调用编排，用户可在WebUI中选择工具。

构建可离线部署的本地知识库RAG问答应用

LangChain负责应用编排，Xinference与Ollama承载模型接入，FastAPI和Streamlit分别提供API与WebUI。