工具概览
RAG Knowledge Assistant 是一个模块化的检索增强生成（RAG）系统，每个组件只承担单一职责。系统将摄取、检索、路由、生成以及 API/UI 层分开，使它们完全解耦且可独立测试。它使用查询路由器，在检索之前把传入的查询分为通用类或文档类。对于通用查询，使用普通的 LLM 调用；文档类查询则触发对 Chroma 向量库的检索。检索到的上下文连同来源一起格式化，传给 RAG 提示词和 LLM。最终输出被解析为包含答案和引用的结构化 JSON。技术栈包括用于编排的 LangChain（LCEL）、通过兼容 OpenAI 的网关用于生成的 GPT-5.6 Luna、用于嵌入的 OpenAI text-embedding-3-small、作为向量库的 ChromaDB、用于结构化输出的 Pydantic、用于后端的 FastAPI，以及用于前端的 Streamlit。评估使用 RAGAS，衡量忠实度、答案相关性和上下文精确度。
定价
价格与限制可能变化，请以官网为准，并确认币种、付款周期、最低席位数和用量上限。
应用场景
- 团队用 RAG Knowledge Assistant 通过从向量库检索相关上下文并生成带引用的回复，来回答基于文档的问题。
- 开发者用该系统处理通用闲聊类查询而不访问向量库，从而降低延迟。
- 组织用 FastAPI 后端，通过 POST /ask 端点把 RAG 管线集成到其他应用中。
- 用户通过向后端发起 HTTP 调用的 Streamlit 聊天界面与系统交互。
- 机器学习工程师用 RAGAS 评估系统的忠实度、答案相关性和上下文精确度。
功能特性
AI 助手
自然语言交互界面
工作流自动化
用户评论
还没有评论，来分享你的使用体验吧