【大模型知识】Chroma + Ollama + Llama 3.1 搭建本地知识库

💡 为什么不用 Elasticsearch？
虽然 ES 支持向量检索（≥8.0），但配置复杂、资源占用高。Chroma/Qdrant 专为 embedding 设计，更轻量高效。

🛠️ 三、具体搭建步骤（以 Chroma + Ollama + Llama 3.1 为例）

步骤 1：安装基础环境

# 安装 Python ≥3.10sudoaptinstall python3-pip # 安装 Ollama（自动下载 Llama 3）curl -fsSL https://ollama.com/install.sh |sh# 启动 Ollama 服务（后台运行） ollama serve &

步骤 2：安装 Python 依赖

pip install langchain chromadb unstructured PyPDF2 python-docx sentence-transformers 

步骤 3：准备知识文档

将你的知识文件放入 ./docs/ 目录，支持：

• .pdf, .docx, .txt, .md, .html

步骤 4：构建向量知识库（Python 脚本）

创建 build_kb.py：

from langchain.document_loaders import DirectoryLoader from langchain.text_splitter import RecursiveCharacterTextSplitter from langchain.embeddings import HuggingFaceEmbeddings from langchain.vectorstores import Chroma import os # 1. 加载文档 loader = DirectoryLoader('./docs', glob="**/*.pdf", show_progress=True) docs = loader.load()# 2. 文本分块（按字符递归切分） text_splitter = RecursiveCharacterTextSplitter( chunk_size=500, chunk_overlap=50, separators=["\n\n","\n","。","！","？","；"," ",""]) chunks = text_splitter.split_documents(docs)# 3. 加载中文 Embedding 模型（首次运行会自动下载 ~1.3GB） embeddings = HuggingFaceEmbeddings( model_name="BAAI/bge-large-zh-v1.5", model_kwargs={'device':'cuda'}# 若无 GPU 改为 'cpu')# 4. 存入 Chroma 向量库（持久化到 ./chroma_db） vectorstore = Chroma.from_documents( documents=chunks, embedding=embeddings, persist_directory="./chroma_db") vectorstore.persist()print(f"✅ 知识库构建完成！共 {len(chunks)} 个片段")

运行：

python build_kb.py 

⏱️ 首次运行需下载模型（约 10–30 分钟），后续秒级加载。

步骤 5：启动问答服务（RAG 推理）

创建 query_kb.py：

from langchain.vectorstores import Chroma from langchain.embeddings import HuggingFaceEmbeddings from langchain.llms import Ollama from langchain.chains import RetrievalQA # 加载向量库 embeddings = HuggingFaceEmbeddings(model_name="BAAI/bge-large-zh-v1.5") vectorstore = Chroma(persist_directory="./chroma_db", embedding_function=embeddings)# 初始化本地 LLM（Ollama 需提前 pull 模型） llm = Ollama(model="llama3:8b", temperature=0.1)# 构建 RAG 链 qa_chain = RetrievalQA.from_chain_type( llm=llm, retriever=vectorstore.as_retriever(search_kwargs={"k":3}), return_source_documents=True)# 问答循环whileTrue: query =input("\n❓ 请输入问题（输入 'quit' 退出）: ")if query =="quit":break result = qa_chain({"query": query})print(f"\n💡 回答:\n{result['result']}")# 显示引用来源print("\n📚 参考片段:")for i, doc inenumerate(result["source_documents"]):print(f"[{i+1}] {doc.page_content[:100]}...")

首次运行前，拉取 Llama 3 模型：

ollama pull llama3:8b # 或 llama3:70b（需 48GB+ 内存）

运行问答：

python query_kb.py 

🔒 四、安全与性能优化建议

1. 隐私保护

• 所有数据仅在本地处理，不上传任何云服务
• 向量库文件（./chroma_db）可加密存储（如使用 gocryptfs）

2. 性能调优

3. 中文增强

• 在 text_splitter 的 separators 中加入中文标点（已包含）
• 使用 BGE-M3 模型（支持多语言+稀疏检索，2024 新 SOTA）

🧪 五、验证知识库效果

测试用例：

拒答能力

'公司的股票代码是多少？'（若文档未提及）
→ 应回答'知识库中未找到相关信息'

跨文档推理

'对比A产品和B产品的技术参数'
→ 应聚合多个文档信息

事实性问题

'根据文档，公司2025年战略目标是什么？'
→ 应准确引用原文片段

📦 六、进阶扩展方向

✅ 总结：你的本地知识库技术栈

💡 总耗时：环境搭建 < 30 分钟，知识库构建速度 ≈ 100 页/分钟（RTX 4090）。