动手学大模型开发笔记：用dash开发一个大模型RAG知识库

关注

原创最新推荐文章于 2026-08-21 14:33:37 发布 752 阅读 AI 写同款· GEO 优化 ›

使用 PageIndex 的简易无向量 RAG 生成文档的树状结构索引通过树搜索执行基于推理的检索无需向量：使用文档结构与大模型推理来完成检索。无需切块：文档按自然章节组织，而非人为切块。类人检索：模拟人类专家在复杂文档中导航并抽取知识的方式。检索过程透明：基于推理的检索——告别近似语义搜索（“vibe retrieval”）。阅读详情

简介

最近一直在关注和使用各种ai工具，也在学一些ai开发的知识，看到datawhale的开源学习教程，动手学大模型开发( github.com/datawhalech… )这个教程比较全面，正好可以结合自己常用的数据平台开发工具dash来开发一个web界面，做个简单的demo用起来，可以本地调用各种大模型api来和自己的文本知识库来对话。先来看一下做出来的结果吧：

代码开源在这里： github.com/qibaizhang/…

可以这样运行:

# 新建虚拟环境
conda create -n zsk python=3.11  -y

# 进入环境
conda activate zsk

# 克隆项目
git clone https://github.com/qibaizhang/chat_kb_app.git

# 进入项目根目录
cd chat_kb_app

# 安装项目依赖环境
pip install -r requirements.txt

# 运行项目
python wsgi.py

#浏览器打开http://127.0.0.1:8055/就可以看到界面,如果要局域网访问，把localhost改成0.0.0.0

web应用开发主要采用Dash(基于flask和react)、feffery-antd-components(feffery老师封装的的ant design组件库 github.com/CNFeffery/f… )等一些配套的dash组件库，可以用纯python迅速开发迭代。
后端大模型开发用langchain和chroma向量数据库，主要运用这个datawhale开源教程里面讲述的相关大模型开发知识。

主要功能

可以选择大模型厂商，填写自己的key和模型等参数，现在支持智谱，openai，讯飞星火，百度文心这几家的模型，默认用的智谱glm4。

可以选择直接和不同的大模型不带知识库对话或者和自己上传文档建立的知识库对话，选择知识库对话会先根据问题检索向量数据库里面相关的文本返回再和大模型对话。

知识库对话需要在右边上传文档界面先上传pdf或者md文件上传并向量入库，可以选择不同厂商的embedding模型，现在有智谱和openai的，默认是智谱的模型。

知识库对话可以自己填写提示词来不断迭代提示词，取得更好的效果，默认用教程里面的提示词。

对话界面可选支持单轮和带历史记录多轮对话，默认单轮对话。

可以保存当前界面的全部历史聊天记录为md并下载，先点击保存，然后再点击下载。

可以一键清除当前界面全部历史聊天记录。

左上角输入相应模型自己的key之后就可以开始在中间对话框输入问题了。

开发过程

后端

后端主要就是和大模型的交互，以及向量数据库的处理，用langchain可以统一不同大模型和向量数据库调用，主要就是就按照教程里面的相关知识，就是把智谱的调用对话改成直接在最新的langchain版本调用，不用自定义了，先在jupyter notebook里面把逻辑都跑通了。

前端

后端逻辑跑通之后，就是要开始做前端界面展示出来了，现在大部分ai应用界面都是用的gradio和streamlit来做的，因为自己平时主要在用dash开发web应用，自由度和可扩展性都更好一些，也是纯python可以迅速开发，也可以结合传统html、css和js各种自定义，就用dash来开发界面，教程只是开发了一个简单界面demo，然后也说了一下优化方向，我就把这几个一起用自己的方式来实现了一下。

现在这个版本就是实现了这些基础功能，后续继续迭代。整个完整代码都在前面的开源地址里面，感兴趣的可以自己查看下载运行。

存在问题

现在有一个问题就是上传不同的文本格式到向量数据库，教程里面只讲了两种类型pdf和md格式的，我查询langchain文档里面的相关接口，测试别的格式文本，在jupyter notebook里面可以成功入库，但是在应用里同样代码不知道为什么不能成功，暂时只能成功教程里面的这两种格式，别的格式可以转换成pdf或者md再上传，还需要查找出问题改进。

可以用来做什么

学习的时候查资料，可以把自己在学习的资料传到向量数据库，然后中间碰到某些问题，直接用大模型查资料返回知识库的结果。
公司里面一些文本资料比如档案，招标文件，客服资料，培训文档等这些入库，通过大模型来调用知识库对话，返回结果，如果要纯本地的，可以自己部署离线模型，把接口改造一下就可以调用自己的本地模型。
可以更改不同的知识库提示词模板迭代，收集bad case ，优化迭代，还可以保存对话记录，可以先看看默认提示词的效果

然后改成这段提示词

结果如下

可以看到，不同提示词，效果明显有差别，可以不断修改迭代。

可以测试不同大模型api的能力，只要是langchian支持的大模型接口，都可以接入进行调用测试，现在不同厂商都会新用户送一些token来使用，可以都用一下，看看哪个更适合自己。比如默认的智谱新注册实名认证就会有400万一个月期限的token可以使用，各家不一样。

这次先记录到这里，后面可能会更迭代优化，更加结构化整个应用。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望