# my-python-project

**Repository Path**: shidehong/my-python-project

## Basic Information

- **Project Name**: my-python-project
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-07
- **Last Updated**: 2026-04-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# EduRAG 智能问答系统 - 启动说明文档

## 项目简介

EduRAG 是一个集成 MySQL + Milvus 向量数据库 + BERT 分类器 + 大语言模型（DeepSeek-V3）的智能教育问答系统，支持流式输出和多轮对话历史。

---

## 目录结构

```
rag1/
├── my-python-project/          # 本项目
│   ├── d_modular_rag/
│   │   ├── app.py              # FastAPI 主入口
│   │   ├── new_main.py         # 集成系统入口
│   │   ├── config.ini          # 全局配置文件
│   │   ├── base/               # 配置 & 日志模块
│   │   ├── mysql_qa/           # MySQL + Redis + BM25 检索
│   │   ├── rag_qa/             # RAG 核心模块
│   │   │   ├── core/           # 向量检索、分类器、RAG 系统
│   │   │   ├── edu_document_loaders/  # 文档加载器
│   │   │   └── edu_text_spliter/      # 文本分割器
│   │   ├── static/             # 前端静态文件
│   │   └── logs/               # 日志目录
│   ├── create_db.py            # MySQL 数据库初始化脚本
│   └── README.md               # 本文档
│
└── my-python-project-1/
    └── models/                 # 本地模型文件
        ├── bge-m3/             # BGE-M3 向量嵌入模型
        ├── bge-reranker-large/ # BGE-Reranker 重排序模型
        ├── bert-base-chinese/  # BERT 中文基础模型
        └── bert_query_classifier/  # 查询分类模型
```

---

## 环境要求

| 组件 | 版本/说明 |
|------|---------|
| Python | 3.11 |
| MySQL | 8.0+，账号 root，密码 sdh123569 |
| Redis | 6.0+（可选，缓存加速） |
| Milvus | 2.x，运行在 localhost:19530 |
| 操作系统 | Windows 11 |

---

## 启动前准备

### 1. 安装依赖包

```bash
cd c:\Users\14019\Desktop\rag1\my-python-project
pip install -r d_modular_rag/requirments.txt
```

### 2. 初始化 MySQL 数据库

首次运行需要创建数据库：

```bash
cd c:\Users\14019\Desktop\rag1\my-python-project
python create_db.py
```

输出 `数据库 subjects_kg 创建成功` 即为成功。

> **说明：** 如需同时创建业务数据表 `jpkb`，请在 MySQL 中执行对应的建表 SQL。

### 3. 启动 Milvus 向量数据库

Milvus 需通过 Docker 启动（需安装 Docker Desktop）：

```bash
# 拉取并启动 Milvus（standalone 模式）
docker run -d --name milvus-standalone \
  -p 19530:19530 -p 9091:9091 \
  milvusdb/milvus:v2.5.4 milvus run standalone
```

验证 Milvus 是否运行：
```bash
python -c "from pymilvus import MilvusClient; c = MilvusClient(uri='http://localhost:19530'); print('Milvus OK')"
```

### 4. 启动 Redis（可选）

Redis 用于缓存加速，未启动时系统会自动降级跳过缓存：

```bash
# Windows 下启动 Redis
redis-server
```

---

## 配置文件说明

配置文件路径：`d_modular_rag/config.ini`

```ini
# MySQL 配置
[mysql]
host = localhost
user = root
password = sdh123569          # 修改为你的 MySQL 密码
database = subjects_kg

# Redis 配置
[redis]
host = localhost
port = 6379
password = 1234               # 修改为你的 Redis 密码（无密码则留空）
db = 0

# Milvus 向量数据库配置
[milvus]
host = localhost
port = 19530
database_name = itcast
collection_name = edurag_final

# 大语言模型配置（SiliconFlow API）
[llm]
model = deepseek-ai/DeepSeek-V3
dashscope_api_key = sk-xxxx  # 填入你的 API Key
dashscope_base_url = https://api.siliconflow.cn/v1

# 检索参数
[retrieval]
parent_chunk_size = 1200
child_chunk_size = 300
chunk_overlap = 50
retrieval_k = 5
candidate_m = 2

# 日志
[logger]
log_file = logs/app.log

# 应用
[app]
valid_sources = ["ai", "java", "test", "ops", "bigdata"]
customer_service_phone = 12345678
```

---

## 启动项目

在项目根目录下运行：

```bash
cd c:\Users\14019\Desktop\rag1\my-python-project
python -m uvicorn d_modular_rag.app:app --host 0.0.0.0 --port 8001
```

**带热重载（开发模式）：**

```bash
python -m uvicorn d_modular_rag.app:app --host 0.0.0.0 --port 8001 --reload
```

---

## 验证启动

启动后在浏览器或终端中访问：

```bash
# 健康检查
python -c "import urllib.request; r = urllib.request.urlopen('http://localhost:8001/health'); print(r.read().decode())"
# 返回：{"status":"healthy"} 即为成功
```

**前端页面：** http://localhost:8001

**API 文档：** http://localhost:8001/docs

---

## API 接口说明

| 接口 | 方法 | 说明 |
|------|------|------|
| `/` | GET | 前端首页 |
| `/health` | GET | 健康检查 |
| `/api/create_session` | POST | 创建新会话 |
| `/api/query` | POST | 非流式问答 |
| `/api/stream` | WebSocket | 流式问答（推荐） |
| `/api/history/{session_id}` | GET | 获取对话历史 |
| `/api/history/{session_id}` | DELETE | 清除对话历史 |
| `/api/sources` | GET | 获取学科列表 |

### 示例请求

**非流式问答：**
```json
POST /api/query
{
  "query": "AI学科的课程大纲是什么？",
  "source_filter": "ai",
  "session_id": "xxx-xxx-xxx"
}
```

**WebSocket 流式问答：**
```json
{
  "query": "Java的学习路线是什么？",
  "source_filter": "java",
  "session_id": "xxx-xxx-xxx"
}
```

---

## 常见问题

### Q: MySQL 连接失败
**A:** 检查 `config.ini` 中的 `password` 是否正确，确认 MySQL 服务已启动。

### Q: `Table 'subjects_kg.jpkb' doesn't exist`
**A:** 这是业务数据表缺失，不影响系统核心 RAG 功能。需手动建表并导入数据后 BM25 初始化才能正常。

### Q: Redis 连接失败
**A:** Redis 是可选组件，连接失败时系统会自动降级，不影响问答功能。

### Q: Milvus 连接失败
**A:** 确认 Milvus 服务已启动，或使用 Docker 启动 Milvus。

### Q: 模型加载失败
**A:** 确认本地模型文件存放在 `C:\Users\14019\Desktop\rag1\my-python-project-1\models\` 目录下，包含：
- `bge-m3/`
- `bge-reranker-large/`
- `bert-base-chinese/`
- `bert_query_classifier/`

### Q: 端口被占用 (`[Errno 10048]`)
**A:** 使用以下命令释放端口：
```bash
netstat -ano | findstr :8001
taskkill /PID <进程ID> /F
```

---

## 日志查看

日志文件路径：`d_modular_rag/logs/app.log`

```bash
# 实时查看日志（PowerShell）
Get-Content d_modular_rag/logs/app.log -Wait
```

---

## 启动流程总结

```
1. pip install -r d_modular_rag/requirments.txt   # 安装依赖
2. python create_db.py                             # 初始化数据库
3. 启动 Milvus（Docker）                          # 向量数据库
4. 启动 Redis（可选）                             # 缓存服务
5. python -m uvicorn d_modular_rag.app:app --host 0.0.0.0 --port 8001  # 启动项目
6. 访问 http://localhost:8001                      # 打开前端
```