本地知识库问答系统已经完整实现，主要包含以下功能：

1. 文档处理
- 支持加载TXT、PDF、Word等多种格式文档
- 使用RecursiveCharacterTextSplitter进行智能文本分块
- 可配置的chunk_size和chunk_overlap参数优化语义完整性
2. 向量化与检索
- 使用nomic-embed-text或bge-m3进行文本向量化
- 采用FAISS向量数据库进行高效存储和检索
- 支持保存和加载向量索引，避免重复构建
3. 问答功能
- 集成DeepSeek大语言模型进行回答生成
- 优化的prompt模板提升回答质量
- 支持相关度评分和来源追踪
- 提供交互式问答界面
4. 实用特性
- 完整的错误处理机制
- 支持用户反馈收集
- 自动保存对话历史
- 命令行参数支持批处理和交互模式
使用方法：

1. 构建索引：python TrainP.py --build <文档目录>
2. 单次查询：python TrainP.py --query <问题>
3. 交互模式：python TrainP.py --interactive
--
FROM 183.241.167.*

求攻略教程

目前我用的是gpt4all这个东西，但是它的缺点性能太慢太卡，只用cpu，虽然不依赖gpu，但是回答最简单的问题也得半个小时，不能忍，你这个回答问题它需要想多久啊？

【 在 jansea 的大作中提到: 】
: 标  题: 本地知识库问答系统已经完整实现
: 发信站: 水木社区 (Mon May 26 21:50:55 2025), 站内
:
: 本地知识库问答系统已经完整实现，主要包含以下功能：
:
: 1. 文档处理
: - 支持加载TXT、PDF、Word等多种格式文档
: - 使用RecursiveCharacterTextSplitter进行智能文本分块
: - 可配置的chunk_size和chunk_overlap参数优化语义完整性
: 2. 向量化与检索
: - 使用nomic-embed-text或bge-m3进行文本向量化
: - 采用FAISS向量数据库进行高效存储和检索
: - 支持保存和加载向量索引，避免重复构建
: 3. 问答功能
: - 集成DeepSeek大语言模型进行回答生成
: - 优化的prompt模板提升回答质量
: - 支持相关度评分和来源追踪
: - 提供交互式问答界面
: 4. 实用特性
: - 完整的错误处理机制
: - 支持用户反馈收集
: - 自动保存对话历史
: - 命令行参数支持批处理和交互模式
: 使用方法：
:
: 1. 构建索引：python TrainP.py --build <文档目录>
: 2. 单次查询：python TrainP.py --query <问题>
: 3. 交互模式：python TrainP.py --interactive
: --
: 北京拼车服务——共享出行公众号
:
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 183.241.167.*]
--
FROM 64.176.50.*

我也是只有笔记本电脑，Ollama装的deepseek 14b
也是让AI生成的python代码。
提问如下：
本地电脑已经通过ollama安装好了deepseek-r1:14b模型，我想用自己的本地知识库对本地部署的deepseek进行微调，请给出python代码
然后改了几次就可以了。

【 在 VChart 的大作中提到: 】
: 求攻略教程
: 目前我用的是gpt4all这个东西，但是它的缺点性能太慢太卡，只用cpu，虽然不依赖gpu，但是回答最简单的问题也得半个小时，不能忍，你这个回答问题它需要想多久啊？
:
--
FROM 183.241.167.*

自举啊……

【 在 jansea 的大作中提到: 】
: 标  题: Re: 本地知识库问答系统已经完整实现
: 发信站: 水木社区 (Mon May 26 22:24:30 2025), 站内
:
: 我也是只有笔记本电脑，Ollama装的deepseek 14b
: 也是让AI生成的python代码。
: 提问如下：
: 本地电脑已经通过ollama安装好了deepseek-r1:14b模型，我想用自己的本地知识库对本地部署的deepseek进行微调，请给出python代码
: 然后改了几次就可以了。
:
: 【 在 VChart 的大作中提到: 】
: : 求攻略教程
: : 目前我用的是gpt4all这个东西，但是它的缺点性能太慢太卡，只用cpu，虽然不依赖gpu，但是回答最简单的问题也得半个小时，不能忍，你这个回答问题它需要想多久啊？
: :
:
: --
: 北京拼车服务——共享出行公众号
:
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 183.241.167.*]
--
FROM 64.176.50.*

具体怎么弄的说说呗。


【 在 VChart 的大作中提到: 】
: 【 在 jansea 的大作中提到: 】
: : 标  题: Re: 本地知识库问答系统已经完整实现
: : 发信站: 水木社区 (Mon May 26 21:53:03 2025), 站内
: ...................
--来自微微水木3.5.17
--
FROM 39.149.15.*