DeepSeek-RAG-Chatbot 项目使用教程

1. 项目目录结构及介绍

DeepSeek-RAG-Chatbot 项目目录结构如下：

DeepSeek-RAG-Chatbot/
├── app.py                # Streamlit 应用的主入口文件
├── docker-compose.yml    # Docker 容器编排文件
├── Dockerfile            # Docker 构建文件
├── LICENSE               # 项目许可证文件
├── README.md             # 项目说明文件
├── requirements.txt      # 项目依赖文件
├── utils/                # 工具模块文件夹
│   ├── __init__.py
│   └── ...               # 其他工具文件
├── .env                  # 环境变量配置文件
└── ...                   # 其他可能的文件和目录

• app.py: 主应用程序文件，用于启动 Streamlit 界面。
• docker-compose.yml: 定义了 Docker 服务的编排，包括 ollama 和 deepgraph-rag-service 服务。
• Dockerfile: 用于构建包含应用程序的所有依赖项的 Docker 容器镜像。
• LICENSE: 项目的 MIT 许可证文件。
• README.md: 项目说明文件，包含了项目的描述、功能、安装和配置步骤等信息。
• requirements.txt: 包含了项目运行所依赖的 Python 包列表。
• utils/: 包含项目所需的工具模块。
• .env: 环境变量配置文件，用于存储项目的环境变量。

2. 项目的启动文件介绍

项目的启动文件是 app.py，它使用 Streamlit 框架创建一个交互式的 Web 应用程序。以下是 app.py 的基本内容：

# 导入必要的库
import streamlit as st

# 应用程序的主要逻辑
def main():
    # Streamlit 界面代码
    st.title('DeepSeek RAG Chatbot')
    # ... 其他 Streamlit 代码 ...

if __name__ == "__main__":
    main()

在终端中，你可以通过运行以下命令来启动应用程序：

streamlit run app.py

之后，你可以在浏览器中访问 http://localhost:8501 来查看应用程序的界面。

3. 项目的配置文件介绍

项目的配置文件是 .env 文件，它用于存储项目的环境变量，例如 API URL、模型名称等。以下是 .env 文件的一个示例：

OLLAMA_API_URL=http://ollama:11434
MODEL=deepseek-r1:7b
EMBEDDINGS_MODEL=nomic-embed-text:latest
CROSS_ENCODER_MODEL=cross-encoder/ms-marco-MiniLM-L-6-v2

这些环境变量可以在应用程序中通过 os.environ 来访问，使得配置更加灵活。例如：

import os

ollama_api_url = os.environ.get('OLLAMA_API_URL')

确保在运行应用程序之前设置好所有必要的环境变量。如果你正在使用 Docker，这些变量可以在 docker-compose.yml 文件中设置。