KnowledgeRAG知识管理系统

基于检索增强生成（RAG）的知识库问答系统 ​

RAG：Retrieval-Augmented-Generation，通俗来讲，是将检索技术和⽣成式⼈⼯智能模型相结合的 技术架构的⼀种。通常情况下，RAG会先从⼀个或者多个外部信息源（如⽂档、PDF等）中检索相关的 信息（切⽚），然后将这些检索到的信息作为额外的上下⽂输⼊到⽣成式模型中，最终⽣成更准确、 更有依据的回答，主要作用类似搜索引擎，找到用户提问最相关的知识或者是相关的对话历史，并结合最原始的提问问题，创造信息丰富的prompt，指导模型生成准确的输出。

本项目 KnowledgeRAG-GZHU 是一个面向智能知识管理的检索增强生成（RAG）系统，集成文档解析、知识库管理、知识图谱生成、向量检索、Ollama模型服务及智能问答核心功能。前端基于 Vue3 + TypeScript 构建交互框架，实现知识组织与问答可视化；后端采用 FastAPI 架构提供高性能服务支持。该系统通过本地知识库与大语言模型协同推理，显著缓解大模型幻觉问题，提升领域知识问答的精确性与可靠性

快速开始 ​

1. 克隆项目

   bash

   git clone https://github.com/Zhongye1/KnowledgeRAG-GZHU.git

   1
   

2. 安装依赖并启动

   bash

   # 进入项目目录
   cd KnowledgeRAG-GZHU
   
   # 使用 Docker Compose 启动
   docker-compose up -d

   1
   2
   3
   4
   5
   

3. 访问 http://localhost:8080 即可开始使用该系统

功能模块 ​

技术架构 ​

KnowledgeRAG 采用前后端分离架构：

• 前端: Vue3 + TypeScript + Vite，提供响应式用户界面
• 后端: FastAPI + Python，高性能API服务
• 数据库: MySQL+ FAISS
• 文档处理: 支持多种格式的解析器
• AI模型: 兼容Ollama，支持多种开源大语言模型

社区支持 ​

• 🐛 问题反馈: Issues
• 💬 讨论交流: Discussions
• 📖 文档中心: 完整的使用文档和开发指南
• 🤝 贡献代码: 欢迎提交 PR，共同完善项目