一直在研究大模型的 langchain 编程和检索增强相关的内容，今天和大家分享一些如何在5分钟之内利用 LangChain+Gradio 搭建一个自己的个人知识助理。这听起来就很酷，我们不需要依赖其他第三方提供的服务，也可以保证自己数据的安全性，赶紧顺着本文往下看吧。

一、效果预览

最终的展示效果如下图，可以自行选择是否开启检索增强的功能。在使用检索增强调用之后，大模型能根据检索到的上下文进行回答，有效减少幻觉问题。当然，限于提供的示例代码本身的能力并不强，还有许多优化的空间，因此有一些问题回答并不好。

二、环境搭建

本项目在 python 3.8.5 版本进行实测，过低的版本，langchain 会有 bug，不建议使用。可以使用下面的命令，安装所需要的依赖项，如果因为网络问题导致本地安装失败，可以尝试使用清华源进行安装。

bash
复制代码
pip install flask chromadb gradio fastapi langchain FlagEmbedding 
# 可选使用清华或者其他源下载依赖包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple flask

FlagEmbedding 是一个向量模型的依赖包，直接安装之后，会把 pytorch、transformer 等一系列的依赖都安装上，因此整体执行的时间会偏长，需要耐心等待安装完毕。

FlagEmbedding 默认安装的是 CPU 版本的 pytorch，执行代码的时间也相对比较长。如果有条件，可以自行先安装 GPU 版本的 pytorch，然后再安装 FlagEmbedding。GPU 的显存在 4G 以上都可以正常调用，考虑到 GPU相关配置比较复杂，在5分钟内是搞不定的，有需要的话，我们下次再讲。

三、数据配置

一）知识库建立

可以使用自己的任意数据集作为知识库，将数据保存成 txt 文件就可以。在这里，我使用在网上自己处理的关于知识星球的数据作为知识库，然后建立本地路径进行存储。示例的数据已经和代码放在了一起，可以参考示例数据进行定义，文件要求使用 UTF-8 进行编码。

二）向量模型下载

FlagEmbedding 对应的向量模型是 BGE，目前是效果比较好的中文向量模型，原始的模型权重需要在 hugging face 上才能下载，需要一些特殊的网络环境，适合有经验的人员进行下载。非专业人员可以直接使用我下载好的权重模型，如果想自己下载，需要先安装 git lfs。然后执行下面的命令，就可以下载整个模型的权重以及相关配置文件。下载完成后，同样，需要将模型的文件夹存放到你自己的指定目录。

bash
复制代码
git lfs install
git clone https://huggingface.co/BAAI/bge-large-zh

四、大模型配置

为了调用方便，我们使用了讯飞星火的API作为本次的大模型，在讯飞的官方页面就可以申请免费的 token，足够我们日常使用和测试了。讯飞的官方地址： xinghuo.xfyun.cn/

我们这次只需要使用 2.0 版本的 API 就可以，申请之后可以看到接口服务认证的信息，需要记录下来，后面需要将这个地方修改为自己的信息。这三个信息是 APPID、APISecret 和 APIKey 的信息。获取这三个信息之后，大模型的部分就处理完成了。

五、代码修改

整个项目的代码结构主要有四个 python 文件和一个图片构成，下面先介绍各个文件的作用，以及要执行代码需要修改的内容。

• SparkApi 讯飞星火的 api 调用代码，无需修改
• SparkGPT 讯飞星火的包装类，需要修改
• prompt_utils 提示词的包装类，无需修改
• gradio_demo 主界面的入口，需要修改里面的路径
• GPT4.png 主界面上 GPT 头像的资源图片，无需修改

SparkGPT.py 代码中，需要将第 7-9 行的内容进行修改，将你在讯飞星火的控制台中获取的信息填写上去。

ini
复制代码
import SparkApi
from abc import ABC, abstractmethod

appid = ""  # 填写控制台中获取的 APPID 信息
api_secret = ""  # 填写控制台中获取的 APISecret 信息
api_key = ""  # 填写控制台中获取的 APIKey 信息

gradio_demo.py 代码中，需要将第 20-21 行进行替换成你的模型和数据所在的文件夹路径。

javascript
复制代码
import gradio as gr
import uvicorn
from fastapi import FastAPI
from langchain.text_splitter import RecursiveCharacterTextSplitter
import os
from typing import List
from FlagEmbedding import FlagModel
from langchain.document_loaders import TextLoader
from langchain.retrievers import ParentDocumentRetriever
from langchain.schema.embeddings import Embeddings
from langchain.storage import InMemoryStore
from langchain.vectorstores import Chroma
from SparkGPT import SparkGPT
from prompt_utils import generate_prompt

BGE_MODEL_PATH = "D:\codes\bge-large-zh"
FILE_PATH="D:\codes\zsxq"

修改完毕后，执行 python gradio_demo.py 看到如下的启动命令，则启动成功。点击对应的 URL 即可看到开头所示的界面，然后就可以进行使用了。

六、代码

所有开源的代码都可以免费进行下载和使用，如果有不明白的地方，请及时联系。后续也会出一期，针对代码的讲解。

github.com/Xls1994/AI-…

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！