本项目提供企业级 RAG 的可运行示例与评估脚本，涵盖：

• 基础 RAG（LangChain + Chroma + BGE + Ollama）
• 基础 RAG（LlamaIndex + Chroma + BGE + Ollama）
• 多查询 + RRF 融合检索（Multi-Query + Reciprocal Rank Fusion）
• RAG 评估（RAGAs）
• RAG 评估（TruLens）
• 知识图谱示例（LlamaIndex + Neo4j）

说明：示例默认优先使用本地 Ollama 模型（如 qwen2:7b-instruct-q4_0）。如需使用 OpenAI/通义千问，请在 .env 中配置对应 API Key，并按 README 指引切换。

企业RAG技术实战项目/
  ├─ README.md
  ├─ requirements.txt
  ├─ .env.example
  └─ src/
      ├─ langchain_naive_rag.py
      ├─ llamaindex_basic_rag.py
      ├─ multi_query_rrf_rag.py
      ├─ ragas_evaluation.py
      ├─ trulens_evaluation.py
      └─ kg_neo4j_example.py

• Python 3.10（推荐）
• Windows 可直接使用本项目（无需 WSL 与 Docker）；如需 RAGFlow，请参考下方可选组件

步骤：

1. 创建并激活虚拟环境（任选其一）

• Conda:

conda create -n llmrag python=3.10
conda activate llmrag

• venv:

python -m venv .venv
.\.venv\Scripts\activate

2. 安装依赖

pip install -r requirements.txt

3. 可选：准备本地 LLM（Ollama）

• 安装 Ollama：https://ollama.com
• 拉取模型（示例）：

ollama run qwen2:7b-instruct-q4_0

默认服务地址：http://127.0.0.1:11434（Docker 场景可用 http://host.docker.internal:11434）

4. 可选：配置 API Key

• 复制 env.example（或 .env.example，若系统隐藏文件受限请用 env.example）为 .env，按需填写：
  • OPENAI_API_KEY
  • DASHSCOPE_API_KEY
  • NEO4J_URL / NEO4J_USERNAME / NEO4J_PASSWORD

运行前建议先启动 Ollama 服务或在 .env 中配置云端模型。

• 基础 RAG（LangChain）：

python src/langchain_naive_rag.py

• 基础 RAG（LlamaIndex）：

python src/llamaindex_basic_rag.py

• 多查询 + RRF 融合：

python src/multi_query_rrf_rag.py

• RAGAs 评估：

python src/ragas_evaluation.py

• TruLens 评估（启动后会打开本地 Dashboard）：

python src/trulens_evaluation.py

• 知识图谱（需要可用的 Neo4j 实例与凭据）：

python src/kg_neo4j_example.py

• 数据来源：示例默认抓取百度百科 AIGC 页面做演示用途。
• 向量数据库：优先使用 Chroma，便于 Windows 本地运行与持久化。
• 中文向量模型：使用 BAAI/bge-small-zh-v1.5，具备良好中英双语能力。
• LLM：本地优先 Ollama；如需云端，可切换至 OpenAI/通义千问（示例已注释可切换段落）。
• 多查询融合：将 LLM 生成的多路查询进行检索与分数归并，再通过 RRF 进行融合排序，提升召回覆盖与鲁棒性。
• 评估：提供 RAGAs 与 TruLens 两种评估路径，分别侧重指标自动评测与交互式可视化分析。

如需体验 RAGFlow：

1. 安装 Docker（参考官方文档）
2. 克隆 ragflow：https://github.com/infiniflow/ragflow
3. 在其 docker/ 目录执行：

docker compose -f docker-compose-CN.yml up -d

4. 首次运行镜像体积较大（约 9GB），请耐心等待。服务启动后访问 http://127.0.0.1:80。
5. Windows Docker 场景中，如需调用本机 Ollama，请在 RAGFlow 中配置 http://host.docker.internal:11434。

• 评估时若遇到 Failed to parse output. Returning None，可先使用本 README 指定的 ragas==0.1.12，或按 Ragas 最新版本说明进行调整。
• 网络环境不佳导致依赖/模型下载缓慢，可切换国内镜像源或预先离线下载。
• 如需 GPU 加速，请根据本机 CUDA/驱动版本安装对应的 torch 与相关依赖。

• LangChain 文档（v0.2）：https://python.langchain.com/v0.2/docs/introduction/
• Chroma：https://www.trychroma.com/
• LlamaIndex：https://docs.llamaindex.ai/en/stable/api_reference/
• RAG 调研综述：https://arxiv.org/abs/2312.10997
• RAGFlow：https://github.com/infiniflow/ragflow