RAG功能快速启动指南
一、安装依赖
bash
pip install chromadb二、配置环境变量
编辑 data/.env 文件，添加以下配置：
bash
# Embedding模型（必需）
EMBEDDING_API_KEY=你的SiliconFlow_API密钥
EMBEDDING_API_BASE=https://api.siliconflow.cn/v1
EMBEDDING_MODEL=BAAI/bge-large-zh-v1.5
EMBEDDING_DIMENSION=1024
# Reranker（可选，强烈推荐）
RERANKER_API_KEY=你的SiliconFlow_API密钥
RERANKER_API_BASE=https://api.siliconflow.cn/v1/rerank
RERANKER_MODEL=BAAI/bge-reranker-v2-m3
RERANKER_TOP_K=20
RERANKER_FINAL=5
# 向量数据库路径
VECTOR_DB_PATH=data/vectors获取API密钥：
- 访问 SiliconFlow
- 注册账号并获取API密钥
- 两个配置使用相同的API密钥即可
三、启动Bot
方式1：只启动问答Bot
bash
python qa_bot.py方式2：启动完整Bot（包含问答）
bash
python main.py四、测试流程
1. 生成测试总结
如果数据库中没有总结，先生成一些：
bash
# 向Bot发送（私聊）
/立即总结这会生成总结并自动向量化。
2. 测试问答
向问答Bot发送问题：
频道上周发生了什么？3. 查看日志
Bot会显示详细的检索过程：
[QA] 语义检索: 找到 15 条结果
[QA] RRF融合: 18 条结果
[QA] 重排序完成: 保留 5 条结果
[QA] AI回答生成成功，长度: 1234字符五、验证安装
检查向量存储
bash
ls -la data/vectors/应该看到ChromaDB创建的文件。
查看Bot日志
启动时应该看到：
[INFO] Embedding生成器初始化成功
[INFO] 向量存储初始化成功: data/vectors
[INFO] Reranker初始化成功: BAAI/bge-reranker-v2-m3
[INFO] 问答引擎v3.0.0初始化完成六、常见问题
Q1: Import Error: No module named 'chromadb'
bash
pip install chromadbQ2: Embedding服务不可用
检查：
- API密钥是否正确
- API地址是否可访问
- 网络连接是否正常
Q3: 向量搜索没有结果
原因：
- 数据库中没有总结记录
- 向量化失败
解决：
- 先生成一些总结
- 查看日志确认向量化成功
Q4: Reranker失败（非致命）
系统会自动降级到向量搜索结果，不影响使用。
七、性能调优
提高准确率
调整 .env 参数：
bash
# 增加召回数量
RERANKER_TOP_K=30
# 增加最终结果数
RERANKER_FINAL=10降低延迟
bash
# 减少召回数量
RERANKER_TOP_K=10
# 减少最终结果数
RERANKER_FINAL=3八、下一步
- 📖 阅读 RAG功能详细文档
- 🔧 调整检索参数优化性能
- 📊 监控日志了解检索过程
- 🚀 开始使用自然语言查询历史总结
总结
整个RAG系统会在后台自动运行：
- ✅ 每次生成总结时自动向量化
- ✅ 用户查询时自动语义检索
- ✅ 自动重排序提升准确率
- ✅ 基于精选结果生成回答
你只需要：
- 配置API密钥
- 启动Bot
- 开始提问！