⌂ demo 作品集/RAG 智能问答
RAG · RETRIEVAL-AUGMENTED · GENERATION

RAG 智能文档问答 · 演示页

原项目:LangChain + FAISS + BGE Embeddings + DeepSeek 的检索增强问答系统(PDF/TXT/MD 上传、多轮对话、引用来源)。这个页面是它的流程可视化演示版——输入问题,真实计算与文档块的相似度,看检索怎么挑证据、生成怎么引用。

① SPLIT
文档切分为语义块
② EMBED
BGE 向量化入 FAISS
③ RETRIEVE
问题向量 → Top-K 相似块
④ AUGMENT
证据块拼进提示词
⑤ GENERATE
DeepSeek 生成带引用回答
ℹ️ 页面里的相似度计算是真的(词重叠+权重,演示向量检索原理);最终答案是示例回放——完整版接 DeepSeek API + BGE 语义向量(仓库 app.py / rag_engine.py)。

检索流程演示

对下方 8 个文档块提问——看哪些块被检索命中、相似度多少、答案引用了谁
STEP ③ RETRIEVE — 相似度排序(真实计算)
STEP ④⑤ AUGMENT + GENERATE — 组装证据生成回答