天涯 kk 神贴 RAG 知识库

基于 LangChain + ChromaDB，对天涯神贴楼主 kk 的帖子进行学习和分析，生成 RAG（检索增强生成）知识库问答系统。

项目简介

本项目爬取并整理了天涯神贴楼主 kk 的经典帖子，使用 embedding 模型向量化存储，通过大模型实现智能问答。

核心功能：

• 构建向量知识库
• 支持语义检索和 AI 问答
• 流式输出回答

快速开始

1. 安装依赖

#安装 LangChain 核心组件和本地模型依赖
pip install langchain chromadb pypdf sentence-transformers ollama
#安装云端 API 依赖
pip install openai chromadb tiktoken pypdf langchain
#推荐方式，从 requirements.txt 统一安装所有依赖
pip install -r requirements.txt

2. 配置大模型

方案一：本地 Ollama（免费）

# 安装 Ollama: https://ollama.ai
ollama pull qwen3.5:latest

方案二：云端 API（推荐 DeepSeek）

• 获取 API Key：https://platform.deepseek.com
• 修改 main.py 第 16 行：

DEEPSEEK_API_KEY = "你的 API_KEY"

3. 运行

python main.py

首次运行会自动构建知识库，之后直接加载。

使用方法

输入问题，系统会基于 kk 的帖子内容回答：

❓ 输入问题（exit 退出）：kk 对...怎么看

🤖 回答：

根据 kk 在 2010 年的帖子，他认为...

项目结构

KK/
├── main.py              # 主程序
├── requirements.txt     # 依赖
├── data/               # kk 的帖子文件
│   ├── book1.pdf
│   ├── book2.pdf
│   └── qa.pdf
├── chroma_db/          # 向量数据库（自动生成）
└── README.md

技术栈

• LangChain - 大模型应用框架
• ChromaDB - 向量数据库
• BGE-Large-Zh - 中文 Embedding 模型
• Ollama / DeepSeek - 大语言模型

配置说明

main.py 关键配置：

DATA_PATH = "./data"           # 帖子文件目录
DB_PATH = "./chroma_db"        # 向量库存储
EMBED_MODEL = "BAAI/bge-large-zh"  # Embedding 模型
DEEPSEEK_API_KEY = "sk-xxx"

关于天涯 kk 神贴

楼主 kk 是天涯社区传奇人物，其帖子被誉为中国房地产启蒙神贴，影响了无数人的房产观和财富观。

本项目旨在通过 RAG 技术，让 kk 的思想以 AI 问答的形式继续传承。

---