搭建本地知识库智能问答系统--001 环境准备

一、环境搭建

第 1 步:安装这些工具

你在 Windows 上准备好:

  1. Python 3.11
  2. VS Code
  3. Git
  4. 一个模型 API
    建议先用兼容 OpenAI 风格接口的服务,后面切模型比较方便
  5. Postman 或 Apifox
    后面调接口方便

具体操作:

任务 1

安装 Python、VS Code、Git

任务 2

创建项目文件夹 rag-job-project

任务 3

在 VS Code 打开这个文件夹

任务 4

打开终端,输入这两个命令看看是否正常

python --version

git --version

下一步:激活虚拟环境

你现在在这个窗口里输入:

.venv\Scripts\activate

如果成功,命令行前面会变成这样:

(.venv) D:\AIGC\rag-job-project>

只要前面出现 (.venv),就说明你已经进入这个项目专属环境了。

激活后做两件事

先输入:

python --version

pip --version

然后我们创建项目最基础的文件

激活成功后,在当前目录输入:

mkdir app

mkdir data

mkdir tests

type nul > requirements.txt

type nul > .env

type nul > app\main.py

type nul > app\config.py

如果你是在 VS Code 里,也可以直接在左侧手动新建这些文件和文件夹。

创建完后,你的结构大概会是:

rag-job-project

├─ .venv

├─ app

│ ├─ main.py

│ └─ config.py

├─ data

├─ tests

├─ requirements.txt

└─ .env

!!为什么要建虚拟环境

这是 Python 项目最重要的基本功之一。

因为以后你会装很多库:

  • langchain
  • fastapi
  • openai
  • chromadb
  • pypdf

如果都装到系统全局,很容易互相冲突。

虚拟环境就是给这个项目单独准备一个"小房间"。

第四步:安装第一批依赖

接下来我们先装最基础的两个库:

  • openai:后面调用大模型
  • python-dotenv:后面读取 .env 里的 API Key

在终端输入:

pip install openai python-dotenv

安装会持续一会儿,出现很多字是正常的。

只要最后没有红色报错,基本就是成功。

第五步:写第一个 Python 程序

安装完以后,打开 app\main.py,把里面改成:

print("Hello, RAG project!")

保存。

然后在终端输入:

python app\main.py

如果看到:

Hello, RAG project!

说明你的 Python 项目已经真正跑起来了。

相关推荐
Anastasiozzzz4 小时前
深度拆解 Jev 模型:扒开“系统一模型”的底层工作原理
ai·语言模型
天空鸟_时光不老4 小时前
1-2-2-什么是大语言模型
人工智能·语言模型·自然语言处理
YYYing.18 小时前
【Agent系列 (二) 】大语言模型基础
人工智能·语言模型·自然语言处理·agent
Dawson Zhu1 天前
《Agentic Design Patterns》第 10 章导读:模型上下文协议(MCP)
人工智能·语言模型·架构·aigc·agi
YOLO数据集集合1 天前
YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别 目标检测
yolo·目标检测·语言模型
硅谷秋水1 天前
将物理先验嵌入机器人学习:综述
人工智能·深度学习·机器学习·语言模型·机器人
跟我学机器学习2 天前
基于两阶段索引的RAG Agent:检索增强与 Agent 结合实践
人工智能·深度学习·语言模型
阡陌数智2 天前
RAG 系统的召回退化:向量库、分块、重排全链路问题排查与优化实践
开发语言·人工智能·语言模型·自然语言处理·推荐算法
Dawson Zhu3 天前
《Agentic Design Patterns》第 4 章导读:反思(Reflection)
人工智能·语言模型·架构·aigc·agi
冯胤清3 天前
《直觉主义时序逻辑在时序答案集编程中的应用》论文深度分析总结
人工智能·语言模型