开源大模型RAG企业本地知识库问答机器人-ChatWiki

ChatWiki

ChatWiki是一款开源的知识库 AI 问答系统。系统基于大语言模型(LLM )和检索增强生成(RAG)技术构建,提供开箱即用的数据处理、模型调用等能力,可以帮助企业快速搭建自己的知识库 AI 问答系统。 开源地址 GitHub - zhimaAi/chatwiki: chatwiki

能力


1、专属 AI 问答系统

通过导入企业已有知识构建知识库,让 AI 机器人使用关联的知识库回答问题,快速构建企业专属 AI 问答系统。

2、一键接入模型

ChatWiki已支持全球20多种主流模型,只需要简单配置模型API key等信息即可成功接入模型。

3、数据自动预处理

提供自动分段、QA分段、手动输入和 CSV 等多种方式导入数据,ChatWiki自动对导入的文本数据进行预处理、向量化或 QA 分割。

4、简单易用的使用方式

ChatWiki采用直观的可视化界面设计,通过简洁易懂的操作步骤,可以轻松完成 AI 问答机器人和知识库的创建。

5、适配不同业务场景

ChatWiki为 AI 问答机器人提供了不同的使用渠道,支持H5链接、嵌入网站、绑定到微信公众号或小程序、桌面客户端等,可以满足企业不同业务场景使用需求。

开始使用


准备工作

再安装ChatWiki之前,您需要准备一台具有联网功能的linux服务器,并确保服务器满足最低系统要求

  • Cpu:最低需要2 Core
  • RAM:最低需要4GB

开始安装

ChatWiki社区版基于Docker部署,请先确保服务器已经安装好Docker。如果没有安装,可以通过以下命令安装:

复制代码
sudo curl -sSL https://get.docker.com/ | CHANNEL=stable sh

安装好Docker后,逐步执行一下步骤安装ChatWiki社区版

(1).克隆或下载chatwiki项目代码

复制代码
git clone https://github.com/zhimaAi/chatwiki.git

(2).使用Docker Compose构建并启动项目

复制代码
cd chatwiki/docker
docker compose up -d

部署手册

在安装和部署中有任何问题或者建议,可以联系我们获取帮助,也可以参考下面的文档。

界面


技术架构


技术栈


  • 前端:vue.js

  • 后端:golang +python

  • 数据库:PostgreSQL16+pgvector+zhparser

  • 缓存:redis5.0

  • web服务:nginx

  • 异步队列:nsq

  • 进程管理:supervisor

  • 模型:支持OpenAI、Google Gemini、Claude3、通义千文、文心一言、讯飞星火、百川、腾讯混元等模型。

开源地址 GitHub - zhimaAi/chatwiki: chatwiki

相关推荐
我爱吃土豆15 小时前
从 N-gram 到 BM25:一次知识库关键词检索架构的演进与优化
rag
goodlook01236 小时前
LLaMa factory 大模型高效微调(二)
人工智能·深度学习·llama
XLYcmy8 小时前
京东 算法实习一面 上
rnn·神经网络·llm·微调·transformer·训练·对齐
IPHWT 零软网络8 小时前
技术方案分享|AI Agent 赋能 IVR 导航,解决传统语音呼叫系统交互瓶颈
人工智能·通信系统·rag·ivr·aiagent·智能语音·语音导航
番茄炒鸡蛋加糖8 小时前
主流 AI 框架 + RAG 落地实战
人工智能·rag·springai
天疆说10 小时前
01 硬件选型与 llama.cpp 部署:4× RTX 5880 Ada 跑 DeepSeek-V4-Flash
java·redis·llama
thesky12345612 小时前
27届大模型面试准备(三十二):RAG 进阶——从朴素 RAG 到 Agentic RAG 与多模态检索增强
大模型·rag·agentic rag·graph rag·进阶rag·self-rag·corrective rag
武子康12 小时前
DeepSeek 把 Agent Core 也插件化了:Harness 的真正赌注
人工智能·llm·agent
orangerot16 小时前
Prompt Engineering六大核心原则
llm
liulilittle17 小时前
LLM 推理引擎与内核系统工程原理
c++·ai·llm·内存·memory·core·kernel