# rag_recommend_system

**Repository Path**: liyan24/rag_recommend_system

## Basic Information

- **Project Name**: rag_recommend_system
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-04-03
- **Last Updated**: 2025-04-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 智能课程推荐系统

## 项目简介
这是一个基于 RAG (Retrieval-Augmented Generation) 技术的智能课程推荐系统。系统能够根据用户的需求，从课程数据库中检索相关课程，并生成个性化的课程推荐。

## 技术背景
- **RAG 技术**：结合检索和生成的技术，通过检索相关文档来增强大语言模型的回答质量
- **向量数据库**：使用 ChromaDB 存储课程信息的向量表示，实现高效的相似度检索
- **大语言模型**：使用本地部署的 Ollama 模型进行文本理解和推荐生成
- **Web 界面**：使用 Streamlit 构建直观的用户界面

## 技术方案
### 1. 数据存储
- **SQLite**：存储课程的基本信息（课程ID、名称、描述等）
- **ChromaDB**：存储课程描述的向量表示，用于相似度检索

### 2. 核心组件
- **RAGProcessor**：处理用户查询，生成 embedding 和推荐结果
- **DatabaseManager**：管理数据库操作，包括课程存储和检索
- **Web 界面**：提供用户交互界面，包括学生界面和管理员界面

### 3. 工作流程
1. 用户输入查询
2. 系统生成查询的 embedding
3. 在向量数据库中检索相似课程
4. 使用 LLM 生成个性化推荐
5. 展示推荐结果

## 环境要求
- Python 3.8+
- Ollama（本地部署）
- 其他依赖见 `requirements.txt`

## 安装步骤
1. 克隆项目代码
```bash
git clone [项目地址]
cd [项目目录]
```

2. 安装依赖
```bash
pip install -r requirements.txt
```

3. 安装 Ollama
- 访问 [Ollama 官网](https://ollama.ai/) 下载并安装
- 拉取必要的模型：
```bash
ollama pull bge-m3
ollama pull llama2
```

4. 配置环境变量
- 复制 `.env.example` 文件为 `.env`：
```bash
cp .env.example .env
```
- 编辑 `.env` 文件，设置必要的环境变量：
  - `LLM_BASE_URL`：Ollama 服务的地址
  - `LLM_API_KEY`：API密钥（本地部署可为任意值）
  - `LLM_MODEL_NAME`：使用的模型名称
  - `EMBEDDING_MODEL`：embedding模型名称

## 使用说明

### 管理员使用步骤
1. 启动系统
```bash
streamlit run main.py
```

2. 在侧边栏选择"管理员界面"

3. 课程管理
   - 上传课程数据（支持 CSV/JSON 格式）
   - 手动添加课程
   - 查看课程列表
   - 删除课程

4. 数据预处理
   - 执行数据清洗
   - 生成课程 embedding

### 学生使用步骤
1. 启动系统
```bash
streamlit run main.py
```

2. 在侧边栏选择"学生界面"

3. 输入需求
   - 在输入框中输入你的学习需求
   - 例如："我想学习Python编程"

4. 查看推荐结果
   - 系统会显示相似课程列表
   - 显示个性化推荐课程
   - 提供推荐理由和相关度评分

5. 查看历史记录
   - 系统会保存最近的对话历史
   - 可以随时查看之前的推荐结果

## 注意事项
1. 确保 Ollama 服务正常运行
2. 首次使用需要导入课程数据
3. 推荐结果的质量取决于课程数据的质量和数量
4. 定期清理对话历史以保持界面整洁
5. 不要将 `.env` 文件提交到版本控制系统

## 常见问题
1. **Q: 为什么推荐结果不准确？**
   - A: 检查课程数据是否完整，描述是否详细
   - A: 确保 embedding 模型正常运行

2. **Q: 系统响应较慢怎么办？**
   - A: 检查网络连接
   - A: 确保本地资源充足

3. **Q: 如何更新课程数据？**
   - A: 在管理员界面使用文件上传功能
   - A: 或手动添加/修改课程信息

4. **Q: 环境变量配置错误怎么办？**
   - A: 检查 `.env` 文件是否存在
   - A: 确保所有必要的环境变量都已正确设置
   - A: 重启应用以使新的环境变量生效

## 技术支持
如有问题，请提交 Issue 或联系技术支持。