基于 LangChain 的校园智能问答系统

基于 RAG（检索增强生成）技术构建的校园问答助手，支持教务政策、图书馆服务、课程安排等多类校园问题的智能解答。

技术栈

层次	技术
前端	Next.js 16 + React 19 + Tailwind CSS v4 + shadcn/ui
后端	Python + FastAPI + LangChain
向量库	FAISS（Facebook AI Similarity Search）
大模型	OpenAI 兼容接口（GPT-4o-mini 等）

项目结构

毕业设计/
├── app/                    # FastAPI 后端
│   ├── main.py             # API 路由（/health /chat /chat/stream /upload）
│   ├── rag.py              # LCEL RAG 链，支持流式输出
│   └── config.py           # 环境变量配置
├── scripts/
│   └── build_index.py      # 文档入库脚本
├── data/                   # 知识库文档（.md 格式）
├── storage/                # FAISS 索引持久化目录
├── frontend-next/          # Next.js 前端
│   └── src/
│       ├── app/
│       │   ├── (pages)/page.tsx      # 落地页
│       │   └── (chat)/chat/page.tsx  # 聊天页
│       ├── components/
│       │   ├── chat/                 # 聊天组件
│       │   └── blocks/               # 页面区块
│       └── hooks/use-chat.ts         # 流式问答 Hook
├── .env                    # 环境变量（不提交）
└── requirements.txt        # Python 依赖

快速启动

1. 安装 Python 依赖

pip install -r requirements.txt

2. 配置环境变量

编辑 .env：

OPENAI_API_KEY=your_api_key
OPENAI_BASE_URL=https://api.openai.com/v1
LLM_MODEL=gpt-4o-mini
EMBEDDING_MODEL=text-embedding-3-small
VECTOR_DB_PATH=./storage/faiss_index

3. 构建知识库索引

将文档放入 data/ 目录后执行：

$env:PYTHONPATH = (Get-Location).Path
python scripts/build_index.py

4. 启动后端

$env:PYTHONPATH = (Get-Location).Path
uvicorn app.main:app --host 127.0.0.1 --port 8001

后端地址：http://127.0.0.1:8001
接口文档：http://127.0.0.1:8001/docs

5. 启动前端

cd frontend-next
npm install   # 首次运行
npm run dev

前端地址：http://localhost:3000

---

API 接口

方法	路径	说明
GET	/health	服务状态检查
POST	/chat	同步问答
POST	/chat/stream	流式问答（SSE）
POST	/upload	上传文档并增量入库

后续优化方向

• 增加多轮对话记忆（ConversationBufferMemory）
• 增加混合检索（FAISS + BM25 关键词）
• 增加问题改写与意图识别
• 增加评测集（命中率、正确率统计）
• 支持更多文档格式（PDF、Word、Excel）