1.0极简IT｜SimpleIThttps://www.ruianding.com/blogRuian Dinghttps://www.ruianding.com/blog/author/ruiand/rich600338<blockquote class="wp-embedded-content" data-secret="u65UEEx7Y8"><a href="https://www.ruianding.com/blog/mini-rag-experiment/">LLM小实验 – 构建专属 RAG知识库 与 AI 咨询机器人</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://www.ruianding.com/blog/mini-rag-experiment/embed/#?secret=u65UEEx7Y8" width="600" height="338" title="“LLM小实验 – 构建专属 RAG知识库 与 AI 咨询机器人” — 极简IT｜SimpleIT" data-secret="u65UEEx7Y8" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script type="text/javascript"> /* <![CDATA[ */ /*! This file is auto-generated */ !function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document); //# sourceURL=https://www.ruianding.com/blog/wp-includes/js/wp-embed.min.js /* ]]> */ </script> 在这篇博客中，我将分享如何利用你在 WordPress 上发布的分享内容，构建一个专属知识库，并结合本地离线大模型（通过 Ollama 部署）实现检索增强生成（Retrieval Augmented Generation，RAG），打造专属 AI 咨询机器人。下面是整个实验的配置步骤和实现过程。 实验背景 在这个小实验中，我们希望利用已有的 WordPress 内容作为知识库，通过以下流程实现： 实验步骤详解 步骤 1：数据采集 目标：从 WordPress 中提取文章、页面等内容，并保存为 JSON 格式，作为后续知识库的原始数据。 步骤 2：数据预处理与清洗 目标：对采集到的 JSON 数据进行清洗，包括去除 HTML 标签、分段处理，同时保留图片链接信息。 步骤 3：文本嵌入与向量数据库构建 目标：将预处理好的文本（段落）转换为向量表示，并构建 FAISS 向量检索索引。 3.1 环境准备 确保已安装以下依赖： 3.2 加载数据 3.3 生成文本嵌入 3.4 构建 FAISS 向量数据库 向量概念解释 步骤 4：检索增强生成（RAG）与回答生成 目标：结合已构建的向量数据库，当用户提出问题时，先检索最相关的上下文，再通过本地部署的大模型生成回答。 4.1 检索相关上下文 4.2 构造 Prompt 4.3 调用本地大模型生成回答 […]https://www.ruianding.com/blog/wp-content/uploads/2025/02/image-25.png898532