搭建本地知识库智能问答系统--001 环境准备

一、环境搭建

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 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
硅谷秋水5 小时前
RoboLab:用于分析机器人任务通才策略的高-保真仿真基准
机器学习·计算机视觉·语言模型·机器人
johnsong17 小时前
效率的边界:当推理突破遇见语言革命
人工智能·语言模型
Dawson Zhu21 小时前
RAG 检索中的两个误区:高相似度不等于正确,向量检索也不能替代关键词检索
人工智能·语言模型·架构·aigc·agi
小马过河R21 小时前
开篇|3天从0到1入门AI应用开发
人工智能·语言模型·llm·agent·ai编程·deepagent
牛马工作号1 天前
RK3588 使用 rk-llama.cpp + RKNPU2 部署 Qwen3.5:从零开始的 NPU 本地大模型实战
人工智能·语言模型·llama
书源丶1 天前
Qwen3-Embedding-0.6B 纯 CPU
网络·语言模型·embedding·llama
有Li2 天前
【AI答疑】MR数据预处理步骤
人工智能·笔记·算法·语言模型·医学生
阡陌数智2 天前
基于大语言模型的通用可配置 PII 隐私数据检测方案
人工智能·语言模型·自然语言处理
user_admin_god2 天前
第 11 篇:实践三 —— 表单 / 合同字段抽取
java·人工智能·spring boot·语言模型
gravity_w2 天前
【CS336】Lecture 2 PyTorch 与资源核算(Resource Accounting)
人工智能·深度学习·语言模型·llm·nlp·flops·cs336