本项目基于 RAG（Retrieval-Augmented Generation）技术构建了一个问答系统，后端使用了嵌入模型、FAISS 向量数据库以及 Flask 提供 API 接口，前端使用 Vue 框架进行开发，整体结合阿里大模型以提升问答效果与智能化能力。

项目根目录/ ├── mffaq-rag-qa/ ←←← 后端代码（Flask） │ ├── api_server.py │ └── ...其他后端文件 │ └── mffaq-frontend/ ←←← 前端代码（Vue） ├── src/ ├── package.json └── vue.config.js

• 后端：

• Python 3.8+

• sentence-transformers

• faiss-cpu

• transformers

• torch

• flask

• openai

• python-dotenv

• 前端：

• Vue.js

• Axios (用于HTTP请求)

• Vite 或 Vue CLI (根据你的构建工具选择)

• Ant Design Vue

后端依赖安装 请先创建并激活虚拟环境，然后安装依赖：

cd mffaq_rag_qa python -m venv venv source venv/bin/activate # Linux/macOS venv\Scripts\activate # Windows pip install -r requirements.txt

前端依赖安装 进入前端目录并安装依赖：

cd ../mffaq-frontend npm install

请确保当前目录下包含以下文件：

• faq.json: 包含 FAQ 的原始数据
• .env: 存放 Qwen等大模型 API 密钥等配置信息（需要手动创建）

DASHSCOPE_API_KEY=your_api_key_here

运行以下命令，将 faq.json 中的问题转换为向量并保存为 embeddings.npy：

python encoding.py

运行以下命令，基于 embeddings.npy 构建 FAISS 索引并保存为 index.faiss：

python build_index.py

• 后端启动：

python api_server.py

服务默认运行在 http://127.0.0.1:5000 你可以通过 /api/ask 接口进行问答请求

• 前端启动：

在前端项目根目录下运行以下命令启动开发服务器：

cd ../mffaq-frontend npm run serve

默认情况下，服务器会在 http://localhost:8081/ 运行。