Chroma + Ollama + Llama 3.1 构建本地私有知识库

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
while True:
    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 in enumerate(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

七、总结：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）。