English | 简体中文
基于 RAG（检索增强生成）技术的随机过程智能问答系统
一个专为概率论与随机过程课程设计的 AI 学习助手，通过向量数据库检索和大语言模型生成，为学生提供精准、详细的数学问题解答。
- 🔍 智能检索：基于 Chroma 向量数据库，快速定位相关知识点
- 🤖 AI 解答：支持多种大语言模型（Claude、GPT、Ollama 本地模型等）
- 📖 多文档支持：自动解析
data/目录下所有 PDF（教材、习题、试卷、讲义等） - 📐 LaTeX 公式支持：完美渲染数学公式，支持 Markdown 输出
- 💾 答案归档：自动保存问答记录，方便复习回顾
- 🏠 完全离线：支持本地 Ollama 模型，无需联网即可使用
- 🔎 纯检索模式：考试推荐！直接返回教材原文，不依赖 AI 生成
- 🔄 OCR 支持：可选的数学公式 OCR 识别（Pix2Text）
- Python 3.11+ (推荐)
- NVIDIA GPU (可选，用于加速 embedding)
- 克隆项目并创建 Conda 环境
git clone https://github.com/ClaudiaGardner/StochasticProcess-RAG.git
cd StochasticProcess-RAG
# 创建 Conda 环境（推荐，避免依赖冲突）
conda create -n stochastic-rag python=3.11 -y
conda activate stochastic-rag- 安装 PyTorch（如有 GPU）
# GPU 版本（CUDA 11.8，加速 5-10 倍）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
# 验证 GPU
python -c "import torch; print(f'CUDA: {torch.cuda.is_available()}')"💡 无 GPU 可跳过此步，系统会自动使用 CPU
- 安装依赖
pip install -r requirements.txt- 配置 API
复制配置模板并填写你的 API 信息：
cp config-template.toml config.toml编辑 config.toml，填写以下信息：
[api]
provider = "your-provider" # 如 "openai", "anthropic" 等
base_url = "https://api.example.com/v1"
api_key = "your-api-key-here"
[model]
chat_models = ["claude-sonnet-4-5-20250929"] # 你的模型列表
embedding_model = "local" # 使用本地 embedding 模型
temperature = 0.3
# 离线模式配置（可选）
offline_mode = false # 设为 true 启用离线模式
local_llm_url = "http://localhost:11434" # Ollama 服务地址
local_llm_model = "qwen3:4b" # 本地模型
[database]
chroma_dir = "./chroma_db"
solutions_dir = "./solutions"
[ingestion]
data_dir = "data" # PDF 目录（会解析目录下所有 PDF 文件）
chunk_size = 800
chunk_overlap = 150
max_problems_to_solve = 0 # 0 表示解答所有题目
⚠️ 注意：config.toml包含敏感信息，已被.gitignore排除，不会上传到 GitHub
- 准备数据
将你的随机过程教材 PDF 放入 data/ 目录，并在 config.toml 中指定路径。
- 构建知识库
# 基础模式（使用 PyMuPDF）
python ingest.py
# OCR 模式（支持数学公式识别，需要额外安装 pix2text）
python ingest.py --ocr这一步会：
- 解析 PDF 文档
- 提取例题和习题
- 使用 AI 生成详细解答
- 构建向量数据库
- 生成补充知识点
- 开始问答
# 标准模式（使用在线 API）
python main.py
# 离线模式（使用本地 Ollama 模型）
python main.py --offline
# 纯检索模式（推荐考试使用，只返回教材原文，不需要 LLM）
python main.py --search启动系统后，你可以提出各种问题：
🙋 您的问题: 什么是马尔可夫链？
🔍 正在检索相关知识...
============================================================
🤖 回答:
------------------------------------------------------------
马尔可夫链是一种特殊的随机过程，具有无记忆性（Markov性质）...
[详细解答内容]
============================================================
💾 回答已自动保存到: ./answers/20250101_120000_什么是马尔可夫链.md
📄 可以使用 Markdown 查看器打开文件，数学公式将正确显示
- 什么是马尔可夫链？
- 泊松过程有什么性质？
- 解释常返态和瞬时态的区别
- 如何计算转移概率矩阵？
- 随机游走的期望值是多少？
StochasticProcess-RAG/
├── main.py # 主程序 - 交互式问答
├── ingest.py # 数据摄入 - PDF 解析与向量化
├── config_manager.py # 配置管理
├── config.toml # 配置文件（不上传到 Git）
├── config-template.toml # 配置模板
├── requirements.txt # Python 依赖
├── data/ # PDF 资料目录
│ ├── *.pdf # 教材、习题、试卷、讲义等
├── chroma_db/ # 向量数据库（自动生成）
├── solutions/ # AI 生成的题目解答
└── answers/ # 问答记录归档
- LangChain：LLM 应用框架
- Chroma：向量数据库
- HuggingFace：本地 Embedding 模型
- PyMuPDF / Pix2Text：PDF 解析与 OCR
- OpenAI API：兼容多种 LLM 提供商
如果你的 PDF 包含复杂的数学公式，推荐使用 OCR 模式：
# 安装 OCR 依赖
pip install pix2text
# 使用 OCR 模式构建知识库
python ingest.py --ocr支持完全离线运行，无需云端 API：
方式一：命令行参数
# 离线构建知识库（使用已有解答）
python ingest.py --offline
# 离线问答（使用本地 Ollama）
python main.py --offline方式二：配置文件
[model]
offline_mode = true
local_llm_url = "http://localhost:11434"
local_llm_model = "qwen2.5:7b"前提条件：
- 安装 Ollama：
ollama pull qwen2.5:7b - 启动服务：
ollama serve
在 config.toml 中调整检索参数：
[retrieval]
top_k = 5 # 每次检索返回的文档数量（增加可获得更多上下文）在 config.toml 中添加你想要系统生成的知识点：
[topics]
core_topics = [
"马尔可夫链的定义和转移概率矩阵",
"泊松过程及其无记忆性",
"常返态与瞬时态的定义和判定",
# 添加更多主题...
]系统生成的答案包含：
- 题目分析：识别核心概念和求解目标
- 解题过程：详细的推导步骤（LaTeX 格式）
- 最终答案：数学公式表达
- 知识延伸：相关定理、公式和解题技巧
- 参考来源：检索到的原文片段
所有答案自动保存为 Markdown 文件，支持任何 Markdown 阅读器查看。
欢迎提交 Issue 和 Pull Request！
- Fork 本项目
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
本项目采用 MIT 许可证 - 详见 LICENSE 文件
- 本项目仅供学习交流使用
- AI 生成的答案仅供参考，请结合教材和课堂内容学习
- 使用本系统时请遵守相关 API 服务商的使用条款
- LangChain 团队提供的优秀框架
- Chroma 向量数据库
- HuggingFace 社区的开源模型
- 所有贡献者和使用者
如有问题或建议，欢迎通过以下方式联系：
- 提交 GitHub Issue
- 发起 Discussion
⭐ 如果这个项目对你有帮助，请给个 Star！