LLM之RAG实战（十九）| 利用LangChain、OpenAI、ChromaDB和Streamlit构建RAG

本文链接：https://blog.csdn.net/wshzd/article/details/135731101

本文详细介绍了如何使用ChromaDB和OpenAI构建一个RAG驱动的LLM应用程序，涉及环境配置、数据处理、嵌入创建以及通过Streamlit实现的用户友好聊天界面。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

生成式人工智能以其创造与上下文相关内容的能力彻底改变了技术，开创了人工智能可能性的新时代。其核心是检索增强生成（RAG），将信息检索与LLM相结合，从外部文档中产生智能、知情的响应。

本文将深入研究使用ChromaDB构建RAG驱动的LLM应用程序，ChromaDB以其对大型数据集的高效处理而闻名。

一、环境准备

要构建基于RAG的LLM应用程序，需要准备如下环境配置：

python（下载地址：https://www.python.org/downloads/）
OpenAI API Key（获取地址：https://platform.openai.com/signup）

以及对Python和web API的基本理解。

二、代码实现

2.1 创建并导航到项目目录

mkdir rag_lmm_applicationcd rag_lmm_application

2.2 创建虚拟环境

虚拟环境可以隔离不同的python环境，创建命令如下所示：

python -m venv venv

激活虚拟环境。对于Mac/Linux用户，请使用：

source venv/bin/activate

对于Windows用户：

venv\Scripts\activate

2.3 安装所需的包

安装基本库：

pip install -r requirements.txt

PS：确保requirements.txt文件中包含所有必要的依赖项。

通过上述步骤，环境已经准备就绪，下面开始使用ChromaDB构建最先进的RAG聊天应用程序。

2.4 加载和处理文档

下面使用LangChain来加载各种文档格式，如PDF、DOCX和TXT，这对于外部数据访问、确保高效的数据处理以及为后续阶段保持统一的数据准备至关重要。代码如下：

# loading PDF, DOCX and TXT files as LangChain Documentsdef load_document(file):    import os    name, extension = os.path.splitext(file)    if extension == '.pdf':        from langchain.document_loaders import PyPDFLoader        print(f'Loading {file}')        loader = PyPDFLoader(file)    elif extension == '.docx':        from langchain.document_loaders import Docx2txtLoader