# Tourism_Knowledge_Base **Repository Path**: wangchen2003/Tourism ## Basic Information - **Project Name**: Tourism_Knowledge_Base - **Description**: knowledge_base_0525:掌柜智库 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 12 - **Created**: 2026-07-28 - **Last Updated**: 2026-07-28 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # knowledge_base_0525 #### Description knowledge_base_0525:掌柜智库 """ 工程环境 """ conda create -n py311 python=3.11 conda activate py311 python -m venv kb311 .\Scripts\activate """ pytorch """ pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 删除旧版本：pip uninstall torch torchvision torchaudio -y pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124 pip install --upgrade torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu126 (5090) pip install --pre torch torchvision --index-url https://download.pytorch.org/whl/nightly/cu128 (5090) cuda开发工具：https://developer.nvidia.com/cuda-12-4-0-download-archive 检查pytorch状态：python -c "import torch; print('CUDA Available:', torch.cuda.is_available())" """ 环境中安装了 TensorFlow transformers 库的 TensorFlow 后端模块不支持 Keras 3 BGE-M3 是 PyTorch 模型、推理完全不需要 TensorFlow， 但 transformers 导入时会自动探测环境中的所有深度学习后端， 可能触发 TensorFlow 模块的加载，从而抛出错误 """ 冲突解决1：pip install tf-keras 冲突解决2：pip uninstall tensorflow keras tf-keras -y 测试： import torch print(torch.cuda.is_available()) # 如果输出 True，说明成功认出显卡！ print(torch.version.cuda) # 这会显示你安装的 PyTorch 自带的 CUDA 版本（比如 12.1） """ mineru """ 官方：https://opendatalab.github.io/MinerU/zh/ 官方：https://mineru.net/apiManage/docs pip install --upgrade pip -i https://mirrors.aliyun.com/pypi/simple pip install uv -i https://mirrors.aliyun.com/pypi/simple uv pip install -U "mineru[all]" -i https://mirrors.aliyun.com/pypi/simple 测试： mineru --version """ mineru模型 """ 模型缓存：$env:MODELSCOPE_CACHE="D:\ai_models\modelscope_cache" 下模型：mineru-models-download 桌面客户端：https://mineru.net/ 测试：mineru -p xxx.pdf -o output --backend pipeline """ milvus """ pip uninstall -y pymilvus milvus-model FlagEmbedding uv add pymilvus[model] transformers FlagEmbedding pip install "pymilvus[model]" transformers FlagEmbedding """ 安装BGE-M3 """ uv add pymilvus[model] transformers FlagEmbedding pip install "pymilvus[model]" transformers FlagEmbedding pip install modelscope 执行脚本：python download_bgem3.py """ from modelscope.hub.snapshot_download import snapshot_download # 下载模型到当前目录下的 models/bge-m3 文件夹 model_dir = snapshot_download('BAAI/bge-m3', cache_dir='D:/ai_models/modelscope_cache/models') print(f"模型已下载到: {model_dir}") """ 测试：python -c "import torch; print('CUDA可用:', torch.cuda.is_available())" 万一测试不可用：pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu128 (仅限于5090) """ fastapi """ pip install fastapi pip install "uvicorn[standard]" """ 清华镜像 """ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes """ 若安装minio会报错，升级版本 """ python -m pip install --upgrade pip knowledge/ ├── api/ # API 路由层 │ ├── query_router.py # 查询服务路由 (port 8001) │ │ ├── POST /query # 发起查询 │ │ ├── GET /stream/{session_id} # SSE 流式获取 │ │ ├── GET /history/{session_id}# 获取历史 │ │ └── DELETE /history/... # 清除历史 │ └── import_router.py # 导入服务路由 (port 8000) │ ├── POST /upload # 上传文件 │ └── GET /status/{task_id} # 查询任务状态 │ ├── core/ # 核心配置 │ ├── deps.py # 依赖注入（单例管理） │ └── paths.py # 路径常量配置 │ ├── processor/ # 业务处理流程（LangGraph） │ ├── import_processor/ # 导入流程 │ │ ├── base.py # 导入节点基类 │ │ ├── config.py # 导入流程配置管理 │ │ ├── exceptions.py # 导入流程自定义异常 │ │ ├── main_graph.py # 导入流程图定义 │ │ ├── state.py # 状态类型定义 │ │ └── nodes/ # 处理节点 │ │ ├── node_entry.py # 入口节点 │ │ ├── node_pdf_to_md.py # PDF 转 MD │ │ ├── node_md_img.py # 图片处理 │ │ ├── node_document_split.py # 文档切分 │ │ ├── node_item_name_recognition.py # 商品识别 │ │ ├── node_bge_embedding.py # 向量嵌入 │ │ └── node_import_milvus.py # Milvus 存储 │ │ │ └── query_processor/ # 查询流程 │ ├── base.py # 查询节点基类 │ ├── config.py # 查询流程配置管理 │ ├── exceptions.py # 查询流程自定义异常 │ ├── main_graph.py # 查询流程图定义 │ ├── state.py # 状态类型定义 │ ├── prompt.py # 提示词模板 │ └── nodes/ # 处理节点 │ ├── node_item_name_confirm.py # 商品确认 │ ├── node_vector_search.py # 向量检索 │ ├── node_hyde_search.py # HyDE 检索 │ ├── node_web_search_mcp.py # Web 搜索 │ ├── node_rrf.py # RRF 融合 │ ├── node_rerank.py # 重排序 │ └── node_answer_output.py # 答案生成 │ ├── schema/ # 数据模型定义 │ ├── query_schema.py # 查询请求/响应模型 │ ├── upload_schema.py # 上传响应模型 │ └── task_schema.py # 任务状态模型 │ ├── services/ # 业务服务层 │ ├── file_import_service.py # 文件导入服务 │ └── task_service.py # 任务管理服务 │ ├── utils/ # 工具函数库 │ ├── milvus_utils.py # Milvus 向量库操作 │ ├── embedding_utils.py # 向量嵌入工具 │ ├── llm_utils.py # LLM 客户端封装 │ ├── reranker_utils.py # Reranker 模型 │ ├── mongo_history_utils.py # MongoDB 历史记录 │ ├── sse_utils.py # SSE 流式推送 │ ├── task_utils.py # 任务状态管理 │ └── minio_utils.py # MinIO 对象存储 │ ├── front/ # 前端页面 │ ├── chat.html # 聊天界面 │ └── import.html # 导入界面 │ ├── test/ # 测试代码 ├── docs/ # 文档目录 ├── temp_data/ # 临时数据目录 ├── .env # 环境配置文件 ├── .env.example # 环境配置文件模板 ├── pyproject.toml # Python 依赖声明 └── uv.locl # uv版本锁定文件 """ 笔记 """ 扫描后的图片：List[Tuple[str,str,Tuple[str,str]]] 扫描后的图片：list[(图片名，图片路径,(图片上文，图片下文))] """ mineru上传 """ response = requests.post(url, headers=header, json=data) result = response.json() signed_url = result["data"]["file_urls"][0] batch_id = result["data"]["batch_id"] requests.put(signed_url, data=f) poll_url = f"{mineru_config.base_url}/extract-results/batch/{batch_id}" res_poll = requests.get(url=poll_url, headers=header, timeout=10) extract_results = poll_data["data"]["extract_result"] result_item = extract_results[0] full_zip_url = result_item["full_zip_url"]