RAG私有知识库问答助手产品系统

在日常技术学习与求职准备过程中，个人会积累大量简历、技术笔记、学习文档。直接使用通用大模型提问，模型无法读取本地私有资料，输出内容容易脱离个人实际情况，存在幻觉问题。本项目基于RAG检索增强技术，搭建轻量化私有知识库问答工具，导入本地文档后进行问答检索，可用于技术学习查阅、求职资料复盘等多种场景。

项目包含配置管理、知识库管理、智能问答、对话上下文管理四大模块。配置模块支持填写大模型API密钥、切换模型版本、自定义系统提示词；知识库模块支持上传简历、笔记等多类型文档构建私有知识库；问答模块接收用户问题，检索知识库中的相关片段，结合大模型生成参考回复；对话模块限制仅保留最近两轮对话，减少token消耗，避免接口限流。整体采用云端大模型API调用，不需要本地部署大模型，便于学习演示与二次开发。

本人独立完成需求梳理、产品设计与功能验证。后端基于Python FastAPI搭建服务，前端使用HTML+CSS实现操作界面。完整实现RAG全链路：文档加载解析、文本分块切片、Embedding向量化、向量库存储、相似度检索、提示词组装、调用大模型API返回结果。项目通过检索溯源降低大模型幻觉，通过调整分块参数优化召回效果，属于大模型应用方向的学习演示Demo。