零基础搭建大模型知识问答系统：从部署到应用全指南

核心能力解析：技术架构与创新优势

语析作为一款融合大模型RAG与知识图谱技术的智能问答平台，采用Llamaindex+VueJS+FastAPI+Neo4j的技术栈，构建了从数据处理到交互展示的完整闭环。其核心创新点在于：

• 多模态知识融合：将非结构化文档（PDF/Word等）通过向量数据库转化为可检索向量，同时与结构化知识图谱关联，实现"文档+图谱"的双重知识检索
• 灵活模型适配：支持OpenAI、国内主流API服务及本地部署（vllm/ollama），通过统一接口实现模型无缝切换
• 智能体扩展框架：提供可定制的智能体开发接口，允许用户根据业务需求编写特定领域的对话逻辑

3步极速部署：从环境准备到系统验证

准备工作

1. 获取项目代码

git clone https://gitcode.com/GitHub_Trending/yu/Yuxi-Know
cd Yuxi-Know

2. 配置环境变量
   创建src/.env文件（参考项目中的src/.env.template），添加必要的API密钥：

# 示例配置
OPENAI_API_KEY=your_api_key
NEO4J_URI=bolt://neo4j:7687
VECTOR_DB_TYPE=milvus

部署命令

开发环境启动（含热重载功能）：

docker compose -f docker-compose.yml --env-file src/.env up --build
# --build：构建最新镜像  --env-file：指定环境变量文件

生产环境部署（后台运行模式）：

docker compose -f docker-compose.prod.yml --env-file src/.env up --build -d
# -d：后台运行容器

验证方法

服务启动后，通过以下方式验证部署状态：

• Web界面：访问http://localhost:5173，出现登录界面即表示前端服务正常
• API测试：访问http://localhost:8000/docs，可查看FastAPI自动生成的接口文档
• 容器状态：执行docker ps查看所有服务容器是否正常运行

场景实践指南：从个人使用到企业应用

个人知识库管理

文档上传流程：

1. 登录系统后点击左侧"知识库"菜单
2. 创建知识库并上传文件（支持PDF/TXT/MD/Docx等格式）
3. 系统自动完成文本提取→段落分割→向量转换→存储到向量数据库

高效检索技巧：

• 使用"精确匹配"模式查找特定术语
• 通过文件类型、上传时间等筛选条件缩小搜索范围
• 利用"相关度排序"功能优化检索结果

企业级知识图谱构建

数据准备： 整理实体关系数据为JSONL格式，每行一条关系记录：

{"h": "实体A", "t": "实体B", "r": "关系类型"}
{"h": "实体B", "t": "实体C", "r": "关联关系"}

导入与可视化： 通过系统"图谱管理"模块上传JSONL文件，在Neo4j浏览器中可查看可视化图谱：

生态拓展与选型建议

模型配置与扩展

系统支持通过src/config/static/models.yaml文件扩展模型供应商，添加新模型只需遵循以下格式：

部署方案对比

部署方式	适用场景	优势	挑战
本地Docker	开发测试/小规模应用	配置简单，快速启动	资源占用较高
服务器部署	企业内部使用	性能稳定，可定制化	需要运维支持
云服务部署	互联网应用	弹性扩展，低维护成本	数据隐私考量

生态集成推荐

• 向量模型：推荐使用硅基流动部署的bge-m3（免费且效果优异）
• 本地模型：通过vllm部署Llama系列模型，实现低成本私有化部署
• 存储方案：中小规模用Milvus，大规模知识图谱建议使用Neo4j企业版

通过以上指南，您可以快速构建属于自己的智能问答系统，无论是个人知识管理还是企业级知识工程，语析都能提供灵活而强大的技术支撑。