rag私有知识库问答系统产品系统Vibe Coding

基于 LangChain + ChromaDB 构建的私有知识库问答系统，支持 PDF/DOCX/TXT/MD 文档入库、向量检索与 LLM 智能问答，集成 OCR 识别扫描版文档，Gradio Web 交互界面，纯本地部署方案。

多格式文档入库：支持 PDF、DOCX、TXT、Markdown 等格式上传，自动解析文本内容并标注来源。
智能文本分割与向量化：采用 RecursiveCharacterTextSplitter 按语义分割文档为 chunk，调用硅基流动 BGE-M3 Embedding 模型生成向量，存入 ChromaDB 向量数据库持久化。
扫描件 OCR 识别：自动检测扫描版 PDF，切换 Tesseract OCR + Poppler 引擎提取图片中的文字，解决无文本层文档的入库难题。
知识库问答：基于 LangChain LCEL 管道，检索 top-k 相关文档片段后由 DeepSeek-V3 大模型生成回答，支持按文档名筛选检索范围。
Gradio Web 交互界面：左侧文档管理面板（上传/入库/状态），右侧对话窗口，实时反馈入库进度。

独立负责全栈开发：从技术选型、架构设计到编码实现和部署全流程。
技术栈：Python + LangChain + ChromaDB + Gradio + SiliconFlow API（BGE-M3 Embedding / DeepSeek-V3 LLM）。
架构亮点：LCEL 声明式管道串联检索与生成，PyPDFLoader 文本提取失败时自动回退 OCR 识别，入库前空内容过滤避免 ChromaDB upsert 崩溃。
难点攻克：解决 ChromaDB 1.5 与 LangChain 多版本依赖冲突；扫描版 PDF 自动检测与 poppler/Tesseract 环境适配；纯免费 API（硅基流动）方案下的推理延迟优化。