上一篇《10行代码！实现本地大模型RAG智能问答（1）》，我们基于LlamaIndex + Ollama + Streamlit，构建了一个可本地部署和运行的RAG智能问答系统。
本篇，我们将进一步对系统进行完善，包括：使用更好的嵌入模型和文本分割器，通过向量数据库将文档索引持久化，定制Prompt模板，以及采用重排（rerank）等技术以提升检索和回答的准确性。
系统技术栈如下表所示：
数据框架
| LlamaIndex
|
前端框架
| Streamlit |
本地大模型工具
| Ollama
|
大语言模型
| Gemma 2B
|
嵌入模型
| BAAI/bge-small-zh-v1.5 |
重排模型
| BAAI/bge-reranker-base |
分词器
| SpacyTextSplitter |
向量数据库
| Chroma
|
接下来，我将详细讲解，如何通过6个步骤，100多行代码，更好地实现在笔记本电脑上可运行的，本地大模型RAG智能问答系统。
文末附上全部源代码。
第1步：下载和配置本地模型
首先，下载安装Ollama，并通过Ollama下载大语言模型，这次我们选用速度更快、效果较好的Gemma 2B模型，共1.7GB。
关于如何安装和使用Ollama，请参考此前的文章：《在笔记本电脑上，轻松使用Gemma模型》。
然后，我们下载用到的嵌入模型。
为了从Hugging Face下载各种模型，我们使用官方提供的命令行工具huggingface-cli，并设置Hugging Face国内镜像网址。
pip install -U huggingface_hubexport HF_ENDPOINT=https://hf-mirror.com
我们创建一个本地项目RAGDemo，然后新建一个目录embed_model，用于保存下载的嵌入模型。
mkdir embed_model && cd embed_modelhuggingface-cli download --resume-download BAAI/bge-small-zh-v1.5 --local-dir bge-small-zh-v1.5huggingface-cli download --resume-download BAAI/bge-reranker-base --local-dir bge-reranker-base
接下来，确保已经安装LlamaIndex和LangChain框架。因为我们通过LlamaIndex与LangChain的集成，来使用Hugging Face上下载的嵌入模型。
pip install llama-indexpip install langchain
然后，创建一个文件app.py，编写如下代码，对用到的各个模型进行配置。
from llama_index.core import Settings
# 配置ollama的LLM模型，这里我们用gemma:2bfrom llama_index.llms.ollama import Ollamallm_ollama = Ollama(model="gemma:2b", request_timeout=600.0)
# 配置HuggingFaceEmbeddings嵌入模型，这里我们用BAAI/bge-small-zh-v1.5from langchain_community.embeddings import HuggingFaceEmbeddingsembed_model_bge_small = HuggingFaceEmbeddings(model_name="./embed_model/bge-small-zh-v1.5",model_kwargs = {"device": "cpu"},encode_kwargs = {"normalize_embeddings": True})
# 配置Rerank模型，这里我们用BAAI/bge-reranker-basefrom llama_index.core.postprocessor import SentenceTransformerRerankrerank_model_bge_base = SentenceTransformerRerank(model="./embed_model/bge-reranker-base", top_n=2)
# 配置使用SpacyTextSplitterfrom llama_index.core.node_parser import LangchainNodeParserfrom langchain.text_splitter import SpacyTextSplitterspacy_text_splitter = LangchainNodeParser(SpacyTextSplitter(pipeline="zh_core_web_sm", chunk_size = 1024))
Settings.llm = llm_ollamaSettings.embed_model = embed_model_bge_smallSettings.text_splitter = spacy_text_splitter
当完成各个模型的配置后，将它们挂载到LlamaIndex的Settings上，全局有效。
大语言模型llm：使用Ollama和gemma:2b
嵌入模型embed_model：使用bge-small-zh-v1.5
分词器text_splitter：原本LlamaIndex默认使用SentencSplitter，我们改用对中文支持更好的SpacyTextSplitter.
第2步：配置向量数据库
LlamaIndex支持很多向量数据库，我们选择对开发者友好易用的Chroma。
首先，安装Chroma向量数据库，及相应的LlamaIndex组件。
pip install chromadbpip install llama-index-vector-stores-chroma
然后，继续编写以下代码。其中，索引将保存在storage目录下。后续运行代码后，我们可以看到，storage目录下会生成一个chroma.sqlite3文件。
import chromadbfrom llama_index.core import StorageContextfrom llama_index.vector_stores.chroma import ChromaVectorStore
STORAGE_DIR = "./storage"# 定义索引保存的目录
db = chromadb.PersistentClient(path=STORAGE_DIR)chroma_collection = db.get_or_create_collection("think")chroma_vector_store = ChromaVectorStore(chroma_collection=chroma_collection)chroma_storage_context = StorageContext.from_defaults(vector_store=chroma_vector_store)
第3步：初始化Streamlit Web应用
首先，确保已安装Streamlit。这是一个基于Python，快速构建数据类Web 应用的框架。
然后，编写以下代码完成初始化配置。你可以定制界面上显示的内容。
import streamlit as st
st.set_page_config(page_title="本地大模型知识库RAG应用", page_icon="?", layout="centered", initial_sidebar_state="auto", menu_items=None)st.title("本地大模型知识库RAG应用")st.info("By 大卫", icon="?")
if "messages" not in st.session_state.keys(): st.session_state.messages = [{"role": "assistant", "content": "关于文档里的内容，请随便问"} ]
第4步：加载文档和建立索引
首先，创建一个目录data，把你的知识库文件放在此目录下。我用的是《大卫说流程》系列文章的DOCX文件。你可以使用自己电脑上的DOCX、PDF等文件。
from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
DATA_DIR = "./data"# 知识库文档所在目录
@st.cache_resource(show_spinner=False)def load_data():with st.spinner(text="加载文档并建立索引，需要1-2分钟"):# 将指定目录下的文档建立索引，保存到向量数据库documents = SimpleDirectoryReader(input_dir=DATA_DIR, recursive=True).load_data() index = VectorStoreIndex.from_documents(documents, storage_context=chroma_storage_context)return index
def load_index():# 直接从向量数据库读取索引index = VectorStoreIndex.from_vector_store(chroma_vector_store)return index
其中，load_data用于第一次运行程序时，通过加载data目录下的文件，建立索引，并保存到Chroma向量数据库中。
后续再次运行程序的话，无需再加载原文档和生成索引，只需要读取向量数据库中保存的索引即可，这时应改为调用load_index。
第5步：定制Prompt模板
LlamaIndex提供了一系列默认模板。但是模板是英文的，很容易导致大模型回答中文问题时，也使用英文回答。
因此，我们需要对模板进行定制，且可以提供更多的信息与约束条件。
from llama_index.core import PromptTemplate
text_qa_template_str = ("以下为上下文信息\n""---------------------\n""{context_str}\n""---------------------\n""请根据上下文信息回答我的问题或回复我的指令。前面的上下文信息可能有用，也可能没用，你需要从我给出的上下文信息中选出与我的问题最相关的那些，来为你的回答提供依据。回答一定要忠于原文，简洁但不丢信息，不要胡乱编造。我的问题或指令是什么语种，你就用什么语种回复。\n""问题：{query_str}\n""你的回复：")
text_qa_template = PromptTemplate(text_qa_template_str)
refine_template_str = ("这是原本的问题：{query_str}\n""我们已经提供了回答: {existing_answer}\n""现在我们有机会改进这个回答 ""使用以下更多上下文（仅当需要用时）\n""------------\n""{context_msg}\n""------------\n""根据新的上下文, 请改进原来的回答。""如果新的上下文没有用, 直接返回原本的回答。\n""改进的回答: ")refine_template = PromptTemplate(refine_template_str)
一般来说，我们向大模型提问，为了得到高质量的回答，通常会进行多次交互。
我们定制了两个模板，分别是text_qa_template和refine_template。前者用于第一次与大模型交互。后者用于把第一次大模型给出的回答，加上更多上下文信息，给到大模型，以改进（refine）回答的质量。
第6步：创建检索引擎，并提问
# 仅第一次运行时使用load_data建立索引，再次运行使用load_index读取索引index = load_data();#index = load_index();
# 初始化检索引擎if "query_engine" not in st.session_state.keys():query_engine = index.as_query_engine(text_qa_template=text_qa_template, refine_template=refine_template,similarity_top_k=6, node_postprocessors=[rerank_model_bge_base],response_mode="compact", verbose=True)st.session_state.query_engine = query_engine
# 提示用户输入问题，并将问题添加到消息历史记录if prompt := st.chat_input("Your question"): st.session_state.messages.append({"role": "user", "content": prompt})
# 显示此前的问答记录for message in st.session_state.messages: with st.chat_message(message["role"]):st.write(message["content"])
# 生成回答if st.session_state.messages[-1]["role"] != "assistant": with st.chat_message("assistant"):with st.spinner("Thinking..."):response = st.session_state.query_engine.query(prompt)st.write(response.response)message = {"role": "assistant", "content": response.response}st.session_state.messages.append(message)
从代码中可以看到，创建检索引擎（Query Engine）时，我们配置了相应的Prompt模板和Rerank模型。
系统会检索相似度最高的前6条（TopK=6）信息，通过Rerank模型重排之后，选取前2条（TopN=2），发送给大模型进行回答，最终输出refine后的答案。
现在，我们可以通过以下命令，运行app.py程序。
浏览器将自动打开：http://localhost:8501，系统会需要一些时间加载嵌入模型、加载文档并生成索引。
稍等片刻，你就可以提问了。
比如，我提了这个问题：“流程设计有哪些步骤”，系统准确的回答了我的文档中提到的流程设计五步法。
在我的笔记本电脑上（MacBook Pro，CPU 2 GHz 四核Intel Core i5，内存16GB），回答用时大约1分钟。
至此，我们仅通过100多行代码，成功地实现了一个使用本地知识库、本地大模型、本地嵌入模型，对中文文档解析能力更强，答案生成速度更快、效果更好的大模型RAG智能问答系统。
项目最终的目录结构如下：
以下为app.py全部源代码，供你参考。如有问题，欢迎留言讨论。
##################################### 第1步：配置本地模型####################################
from llama_index.core import Settings
# 配置ollama的LLM模型，这里我们用gemma:2bfrom llama_index.llms.ollama import Ollamallm_ollama = Ollama(model="gemma:2b", request_timeout=600.0)
# 配置HuggingFaceEmbeddings嵌入模型，这里我们用BAAI/bge-small-zh-v1.5from langchain_community.embeddings import HuggingFaceEmbeddingsembed_model_bge_small = HuggingFaceEmbeddings(model_name="./embed_model/bge-small-zh-v1.5",model_kwargs = {"device": "cpu"},encode_kwargs = {"normalize_embeddings": True})
# 配置Rerank模型，这里我们用BAAI/bge-reranker-basefrom llama_index.core.postprocessor import SentenceTransformerRerankrerank_model_bge_base = SentenceTransformerRerank(model="./embed_model/bge-reranker-base", top_n=2)
# 配置使用SpacyTextSplitterfrom llama_index.core.node_parser import LangchainNodeParserfrom langchain.text_splitter import SpacyTextSplitterspacy_text_splitter = LangchainNodeParser(SpacyTextSplitter(pipeline="zh_core_web_sm", chunk_size = 1024))
Settings.llm = llm_ollamaSettings.embed_model = embed_model_bge_smallSettings.text_splitter = spacy_text_splitter
##################################### 第2步：配置向量数据库####################################
import chromadbfrom llama_index.core import StorageContextfrom llama_index.vector_stores.chroma import ChromaVectorStore
STORAGE_DIR = "./storage"# 定义索引保存的目录
db = chromadb.PersistentClient(path=STORAGE_DIR)chroma_collection = db.get_or_create_collection("think")chroma_vector_store = ChromaVectorStore(chroma_collection=chroma_collection)chroma_storage_context = StorageContext.from_defaults(vector_store=chroma_vector_store)
##################################### 第3步：初始化Streamlit Web应用####################################
import streamlit as st
st.set_page_config(page_title="本地大模型知识库RAG应用", page_icon="?", layout="centered", initial_sidebar_state="auto", menu_items=None)st.title("本地大模型知识库RAG应用")st.info("By 大卫", icon="?")
if "messages" not in st.session_state.keys(): # 初始化聊天历史记录st.session_state.messages = [{"role": "assistant", "content": "关于文档里的内容，请随便问"}]
##################################### 第4步：加载文档建立索引####################################
from llama_index.core import VectorStoreIndex, SimpleDirectoryReader
DATA_DIR = "./data"# 知识库文档所在目录
@st.cache_resource(show_spinner=False)def load_data():with st.spinner(text="加载文档并建立索引，需要1-2分钟"):# 将指定目录下的文档建立索引，保存到向量数据库documents = SimpleDirectoryReader(input_dir=DATA_DIR, recursive=True).load_data() index = VectorStoreIndex.from_documents(documents, storage_context=chroma_storage_context)return index
def load_index():# 直接从向量数据库读取索引index = VectorStoreIndex.from_vector_store(chroma_vector_store)return index
##################################### 第5步：定制Prompt模板####################################
from llama_index.core import PromptTemplate
text_qa_template_str = ("以下为上下文信息\n""---------------------\n""{context_str}\n""---------------------\n""请根据上下文信息回答我的问题或回复我的指令。前面的上下文信息可能有用，也可能没用，你需要从我给出的上下文信息中选出与我的问题最相关的那些，来为你的回答提供依据。回答一定要忠于原文，简洁但不丢信息，不要胡乱编造。我的问题或指令是什么语种，你就用什么语种回复。\n""问题：{query_str}\n""你的回复： ")
text_qa_template = PromptTemplate(text_qa_template_str)
refine_template_str = ("这是原本的问题： {query_str}\n""我们已经提供了回答: {existing_answer}\n""现在我们有机会改进这个回答 ""使用以下更多上下文（仅当需要用时）\n""------------\n""{context_msg}\n""------------\n""根据新的上下文, 请改进原来的回答。""如果新的上下文没有用, 直接返回原本的回答。\n""改进的回答: ")refine_template = PromptTemplate(refine_template_str)
##################################### 第6步：创建检索引擎，并提问####################################
# 仅第一次运行时使用load_data建立索引，再次运行使用load_index读取索引index = load_data();#index = load_index();
# 初始化检索引擎if "query_engine" not in st.session_state.keys():query_engine = index.as_query_engine(text_qa_template=text_qa_template, refine_template=refine_template,similarity_top_k=6, node_postprocessors=[rerank_model_bge_base],response_mode="compact", verbose=True)st.session_state.query_engine = query_engine
# 提示用户输入问题，并将问题添加到消息历史记录if prompt := st.chat_input("Your question"): st.session_state.messages.append({"role": "user", "content": prompt})
# 显示此前的问答记录for message in st.session_state.messages: with st.chat_message(message["role"]):st.write(message["content"])
# 生成回答if st.session_state.messages[-1]["role"] != "assistant": with st.chat_message("assistant"):with st.spinner("Thinking..."):response = st.session_state.query_engine.query(prompt)st.write(response.response)message = {"role": "assistant", "content": response.response}st.session_state.messages.append(message)
粤ICP备14082021号
免费POC，
零成本试错
