# education-llm

**Repository Path**: sun-yu-de/education-llm

## Basic Information

- **Project Name**: education-llm
- **Description**: # AI教育助手

集知识问答、个性化学习路径推荐于一体的AI教育助手。

## 技术栈
- LangChain/LLM Chain (0.3版本)
- Qwen API (通过dashscope库调用)
- FastAPI
- Redis
- Milvus
- Elasticsearch

## 环境要求
- Python 3.10
- MySQL 5.7+
- Redis
- Milvus 2
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 4
- **Forks**: 0
- **Created**: 2025-08-04
- **Last Updated**: 2026-03-31

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI教育助手

集知识问答、个性化学习路径推荐于一体的AI教育助手。

## 技术栈
- FastAPI (Web框架)
- LangChain (LLM流程编排)
- Qwen API (通过dashscope库调用)
- Redis (缓存管理)
- Milvus (向量数据库)
- Elasticsearch (关键词检索)
- HuggingFace (嵌入模型)

## 环境要求
- Python 3.10
- Redis
- Milvus 2.4+
- Elasticsearch 8.8+

## 项目架构

项目采用分层架构设计，基于FastAPI构建高性能API服务，通过LangChain实现智能流程编排。系统架构包括以下几个核心组件：

1. **API层**：基于FastAPI构建的RESTful API接口
2. **核心业务层**：包括问答系统、推荐系统等核心功能模块
3. **数据访问层**：与Milvus、Elasticsearch、Redis等数据存储系统交互
4. **工具层**：文档处理、缓存管理等辅助功能模块

## 功能特性

### 智能问答系统
- 基于LangChain Expression Language (LCEL)构建的链式调用
- 混合检索增强生成：融合Milvus向量相似度与Elasticsearch关键词权重排序
- 动态分块策略优化文档处理
- 对话历史管理，支持上下文连续对话

### 个性化学习路径推荐
- 基于用户画像分析的学习路径生成
- 学习进度跟踪与更新
- 多层次学习路径推荐（初级、中级、高级）

### 文档处理系统
- 支持纯文本文件(.txt)处理
- 支持PDF文件(.pdf)处理（使用PyMuPDF）
- 文档分块并存储到Milvus向量数据库
- 支持通过Web界面上传文档

### 缓存优化
- Redis分层缓存架构（短期对话缓存+长期用户偏好存储）
- 对话记忆管理，提高用户交互体验

### 嵌入模型
- 使用HuggingFace的`sentence-transformers/all-MiniLM-L6-v2`模型进行向量化处理
- 支持本地模型加载，提高数据隐私性和处理速度

## 安装与运行

1. 确保已安装Python 3.10

2. 创建并激活虚拟环境:
   ```bash
   # Windows
   python -m venv venv
   venv\Scripts\activate
   
   # Linux/Mac
   python3.10 -m venv venv
   source venv/bin/activate
   ```

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

4. 配置环境变量:
   复制 `.env.example` 文件为 `.env` 并根据实际情况修改配置

5. 运行应用:
   ```bash
   python main.py
   ```

6. 访问应用:
   打开浏览器访问 `http://localhost:8000`

## API接口

- `POST /api/query` - 知识问答
- `POST /api/recommend` - 学习路径推荐
- `POST /api/process_document` - 文档处理
- `POST /api/update_progress` - 更新学习进度
- `GET /api/user_profile/{user_id}` - 获取用户画像
- `POST /api/upload_document` - 上传并处理文档
- `GET /document_upload` - 文档上传页面

## Web界面

项目提供两个主要的Web界面：

1. **主页** (`/`) - 提供问答功能和学习路径推荐入口
2. **文档上传页面** (`/document_upload`) - 用于上传和处理文档

## Qwen模型调用

本项目通过阿里云官方dashscope库调用通义千问(Qwen)模型：

```python
from langchain_community.llms import Tongyi

llm = Tongyi(
    model_name="qwen-plus",
    dashscope_api_key="sk-ca6531ca..."
)
```

## 注意事项

1. 项目使用LangChain 0.3+版本，API与旧版本有所不同
2. HuggingFaceEmbeddings已从langchain-community迁移到langchain-huggingface包
3. Elasticsearch客户端使用8.x版本以确保兼容性
4. 项目使用`sentence-transformers/all-MiniLM-L6-v2`模型进行文本嵌入，首次运行时需要网络连接下载模型