DeepSeek-RAG-Chatbot 结合检索增强生成（RAG）技术的聊天机器人

DeepSeek-RAG-Chatbot是一个结合检索增强生成（RAG）技术的聊天机器人，通过架构创新与RAG技术融合，重新定义了聊天机器人的效能边界，应用场景覆盖医疗、金融、制造等12个行业，随着神经符号系统与量子计算的引入，有望进一步逼近通用智能体的目标。

深度搜索RAG聊天机器人是一个免费的、私密的（无需互联网）聊天工具，可以在本地PC上安装和使用，提供快速、准确且可解释的信息检索功能。

混合检索系统

DeepSeek-RAG-Chatbot聊天机器人结合了BM25和FAISS算法，从PDF、DOCX和TXT文件中检索最相关的文本片段，使用神经重排序模型和图RAG技术，提高检索的准确性和上下文理解。

图RAG集成

图RAG技术能够从文档中构建知识图谱，帮助更好地理解和关联信息，增强的上下文理解让聊天机器人能够提供更相关和有意义的响应。

聊天历史记忆

聊天机器人维护聊天历史记录，保证对话的连贯性，通过参考之前的用户消息，聊天机器人能够提供更加相关和上下文相关的回答。

安装与设置

传统安装（Python/venv）

1、克隆仓库并安装依赖项：

git clone https://github.com/SaiAkhil066/DeepSeek-RAG-Chatbot.git
cd DeepSeek-RAG-Chatbot
python -m venv venv
# 激活环境
# 在Windows上：venv\Scripts\activate
# 在macOS/Linux上：source venv/bin/activate
pip install --upgrade pip
pip install -r requirements.txt

2、下载并设置Ollama模型：

根据需要更新环境变量或.env文件中的模型。

3、运行聊天机器人：

需要运行Ollama，启动Streamlit应用：

ollama serve
streamlit run app.py

Docker安装

单容器方法（Ollama在主机上）

如果Ollama已经在主机上安装并监听在localhost:11434，执行以下操作：

docker-compose build
docker-compose up

应用在 http://localhost:8501 提供服务。

双容器方法（Ollama在Docker中）

如果希望所有内容都在Docker中：

version: "3.8"
services:
  ollama:
    image: ghcr.io/jmorganca/ollama:latest
    container_name: ollama
    ports:
      - "11434:11434"
  deepgraph-rag-service:
    container_name: deepgraph-rag-service
    build: .
    ports:
      - "8501:8501"
    environment:
      - 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
    depends_on:
      - ollama

然后执行：

docker-compose build
docker-compose up

工作原理

1、上传文档：通过侧边栏添加PDF、DOCX或TXT文件。

2、混合检索：结合BM25和FAISS算法检索最相关的文本片段。

3、图RAG处理：从文档中构建知识图谱，理解关系和上下文。

4、神经重排序：使用交叉编码器模型重新排序检索到的片段。

5、查询扩展（HyDE）：生成假设性答案以扩展查询，提高召回率。

6、聊天历史记忆：通过参考之前的用户消息维护上下文。

7、DeepSeek-7B生成：基于排名靠前的片段生成最终答案。

升级

• 检索方法：从混合检索升级到混合检索加图RAG。

• 上下文理解：从有限的上下文理解升级到增强的知识图谱。

• 用户界面：从标准界面升级到可定制和主题化的侧边栏。

• 聊天历史：从不使用聊天历史升级到完全的记忆集成。

• 错误处理：从基本错误处理升级到修复bug。