10.2 FAQ智能问答系统-核心功能模块设计

邓立国Agent开发入门必读书《AI Agent智能体开发实践》1~12章试读_《ai agent 智能体开发实践》在线阅读-CSDN博客

1. 基础配置与依赖处理

# 从正确安装的pydantic中导入BaseModel

from pydantic import BaseModel

# 全局配置允许任意类型

class CustomBaseModel(BaseModel):

    class Config:

        arbitrary_types_allowed = True

# 替换LangChain冲突模块

import langchain.memory.summary

langchain.memory.summary.BaseModel = CustomBaseModel

# 其他模块替换

上面代码主要解决LangChain与Pydantic之间的兼容性问题，通过自定义BaseModel并替换 LangChain相关模块中的基础模型类，避免因类型检查严格导致的冲突。

2. 阿里云DashScope API配置

DASHSCOPE_API_KEY = "your-dashscope-api-key-here"  # 替换为实际API密钥

QWEN_VL_ENDPOINT = "https://dashscope.aliyuncs.com/api/v1/services/aigc/ multimodal-generation/generation"

上面代码配置阿里云DashScope服务的API密钥和端点，这是调用阿里云大模型服务的基础。

3. 自定义嵌入模型

class DashScopeEmbeddings(Embeddings):

    def __init__(self, model_name: str = "text-embedding-v2"):

        self.model_name = model_name

    def embed_documents(self, texts: List[str]) -> List[List[float]]:

        # 实现文档嵌入逻辑

        ...

    def embed_query(self, text: str) -> List[float]:

        # 实现查询嵌入逻辑

        ...

上面代码实现了基于阿里云DashScope的文本嵌入模型，将文本转换为向量表示，用于后续的相似度检索。其包含以下两个核心方法。

1. embed_documents：批量处理文档并生成嵌入向量。
2. embed_query：处理用户查询并生成嵌入向量。

4. 自定义LLM模型

class DashScopeLLM(LLM, CustomBaseModel):

    model_name: str = "qwen-plus"

    temperature: float = 0.3

    max_tokens: int = 512

    @property

    def _llm_type(self) -> str:

        return "dashscope"

    def _call(self, prompt: str, stop: Optional[List[str]] = None, **kwargs: Any) -> str:

        # 实现调用阿里云大模型的逻辑

        ...

上面代码封装了阿里云DashScope的大语言模型调用，实现了LangChain的LLM接口，使得阿里云的模型可以无缝集成到LangChain的工作流中。

5. 系统初始化组件

def initialize_system():

    # 环境配置、数据准备、组件初始化

    ...

这是系统的核心初始化函数，主要完成：

• 环境变量配置。
• FAQ数据准备与转换为Document格式。
• 文本分割处理。
• 嵌入模型和向量数据库（FAISS）初始化。
• 检索器（retriever）创建。
• LLM模型初始化。
• 单轮和多轮对话链的创建。

6. 交互功能实现

• 单轮问答函数single_question(question)：处理独立的用户问题，返回回答和参考来源。
• 多轮对话函数chat_conversation(question, chat_history, memory)：处理上下文相关的对话，维护对话历史，支持连续交互。

7. 前端界面

with gr.Blocks(title="RAG问答系统") as demo:

    # 界面组件定义与布局

    ...

使用Gradio创建了友好的Web交互界面，包含两个标签页：

• 单轮问答：适合独立问题查询。
• 多轮对话：支持上下文关联的连续对话。