企业知识库问答系统（RAG 最简版）

基于大模型 + 检索增强生成（RAG）的企业文档问答 Demo。上传企业文档后，系统自动切块、检索相关片段，再调用大模型基于片段回答；文档外问题会拒答，防止大模型幻觉。

功能

• 支持上传 PDF / TXT / MD 企业文档
• 文档自动切块，按问题相似度检索最相关片段
• 调用 DeepSeek 大模型基于检索片段生成回答
• 文档外问题通过 Prompt 约束实现拒答
• Streamlit 网页界面，开箱即用

技术栈

• Python 3
• Streamlit（Web 界面）
• DeepSeek API（大模型，OpenAI 兼容接口）
• scikit-learn（TF-IDF 相似度检索）
• pypdf（PDF 解析）

快速开始

1. 安装依赖

python -m venv venv
# Windows
.\venv\Scripts\activate
pip install streamlit openai scikit-learn pypdf

2. 配置 API Key

去 platform.deepseek.com 申请 API Key，填入 app.py：

client = OpenAI(
    api_key="你的-DeepSeek-API-Key",
    base_url="https://api.deepseek.com"
)

3. 运行

streamlit run app.py

浏览器打开 http://localhost:8501，上传文档即可提问。

工作原理

上传文档 → 切块 → 问题与所有片段算 TF-IDF 相似度 → 取最相关 3 段
       → 把这 3 段 + 问题一起喂给大模型 → 大模型基于片段回答
       → 片段里没有的信息，Prompt 指令其拒答

这是 RAG（Retrieval-Augmented Generation）的最简实现：用关键词相似度替代向量检索，无需下载 Embedding 模型，适合快速验证 RAG 思路。正式版可升级为 Embedding 模型 + 向量数据库（如 Chroma）。

项目结构

rag_project/
├── app.py                      # 主程序
├── 示例文档_员工手册.txt        # 测试用示例文档
└── README.md