支持私有化部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


亲测成功!小白用AI工具0代码搭建RAG问答系统全过程揭秘

发布日期:2025-07-14 15:57:12 浏览次数: 1532
作者:哆啦的AI产品实践录

微信搜一搜,关注“哆啦的AI产品实践录”

推荐语

AI工具让零代码搭建RAG问答系统成为可能,2小时完成从网页到服务端的全流程开发。

核心内容:
1. 使用Cursor工具零代码创建网页端界面
2. 分步指导AI完成RAG服务端搭建
3. 解决开发过程中的报错与调试技巧

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

前几天突发奇想,看看能不能在一行代码都不会写的情况下,弄一个可用的基于RAG 的 AI 问答网站。结果着实让我震惊了一下,仅仅用了2 个小时,AI 就做出了一个可用的产品。

AI 完成了网站的客户端和服务端的所有文件创建,代码编写,实现了真正的基于 RAG 的问答。

我是 cursor 来实现的,让我们看看整个过程是如何完成的。

前端

首先,我告诉 cursor 帮我创建一个网页,很快,它就帮我建好了一个网页,完成了网页端需要的文件创建和代码编写,并告诉我它创建了什么,网页中包含了什么元素等等。

这时候,网页的整体样式还可以,但是还需要很多样式的修改才能产出符合我需求的。比如,我会告诉它,把顶部导航栏的文字替换成我需要的,它就进行相应的调整,修改不同文件中的代码。

再比如,我想要输入框再大一点,宽和高都拉大一些,它也会相应的进行样式调整。

同时,一些你不想要的页面元素告诉它直接去掉就行,它会自己完成多个文件中代码的修改。

其实只要搭出一个差不多的就行,因为我们只是想简单的搭一个 demo, 并不是要把它上线服务用户。最终,我获得了下面这个页面。

服务端

第一次失败尝试

接下来进入真正的挑战,实现服务端的一些功能,并且让网页真正的实现基于 RAG 的问答。

这里我来简单的介绍一下 RAG问答,就是基于已有的知识库,从中检索出和用户问题相关性比较高的文本,将这些文本和用户问题组装成一个提示词,来交给大模型处理,最终返回答案给到用户。这样做的好处是,会提高问题的准确性,不是那种直接问模型的瞎答。

我准备直接让cursor 来做个 RAG 的服务端,给到它如下指令。

这个页面中的问答功能是基于 RAG 实现的,我要在本地搭建一个服务端,你来帮我创建相关的文件并写进去对应代码,要有接口,向量化模型我想用BGE,语言模型我要用 qwen 的。

很快,它就完成了工作。

但是,各种报错,各种服务不在线,经过各种调整还是不行。我意识到是自己的指令下的太笼统了,它写出了一坨屎山。所以,我索性让它把我让它写得所有服务端代码和文件都删掉。准备开始第二次尝试。

第二次尝试

吸取了第一次的教训后,这次我决定参照人类工程师的工作步骤,给到它一步步的明确指令,让它在本地帮我构建服务端。

如果说你不清楚人类工程师是如何进行工作的,可以尝试问一下大模型,根据模型给出的步骤,发给 cursor。比如:

言归正传,我们一起来看一下 cursor 的实现。

先是创建各种文件和其中代码。

完成后,它会测试系统。

结果发现很多依赖包没装,它会自己安装必要的依赖。

安装完后继续测试,如果出现问题它会找办法解决,但是有的时候需要人来批准,所以还是要看着它干活的。

最终,它完成了服务端的搭建。

但此时模型的调用并不可用,因为它并没有参考各个模型平台的 API 文档,所以我们还是要去想要调用平台找 API 文档看一下。我这里用的是百度的千帆平台,在平台找出调用的代码示例。

如果不清楚怎么用这段代码去替换也没关系,直接发给 cursor,它会帮你在需要替换的文件自己替换。

很快,它就会完成了所有文件中对应代码的调整。

大家进行到这步的时候,记得替换示例代码中的你想调用的模型和 API key。

超强的问题解决能力

过程中可能遇到各种问题,直接描述清楚就可以,基本都可以解决。比如,我上传文件后并没有返回向量数据,我直接把问题发给它,它经过一系列排查后定位到了问题。

我回到千帆平台看了一眼,原来是这个 API key 当时是给其他应用专用的,确实没开全部产品权限……

我更改后又让cursor 试了一下,结果成功返回了向量数据。

最终,问答功能成功的跑了起来,完全是依据已上传文档内容进行作答的,效果如下。

总结一下:

1 cursor 目前已能够一行代码不写的前提下,实现简单的前端和服务端代码;

2 复杂的功能尽可能的拆成步骤,让cursor一步步的去执行,如果不知道怎么拆,就试试问其他大模型;

3 把遇到的问题详尽的描述给它,它会想办法一步步解决;

4 描述的语言其实越精确,效果是越好的。比如“把对话气泡的宽度拉大 100px”效果会好于“把对话气泡拉大一点”;

5 对于 RAG 而言,最难的地方是检索和排序,这个方面我并没有去试它能优化到什么程度,所以最终能实现成什么样,还是未知的。但是,简单的搭出一个能跑的 demo,cursor 的能力已经足够了。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询