知识库与 RAG工具
research-paper-rag-qa：学术 PDF 语义检索问答工具
dhanyashree-mn/research-paper-rag-qa · RAG system for semantic search over academic PDFs — LangChain, FAISS, Streamlit
ELI5：它是什么，解决什么问题
该项目是一个面向学术论文 PDF 的检索增强（RAG）语义搜索工具：逐页解析 PDF，将文本切分为带重叠的片段，使用 sentence-transformers/all-MiniLM-L6-v2 生成归一化向量并存入 FAISS 索引，再通过 Streamlit 界面用自然语言查询返回最相关的段落及来源文件与页码。项目刻意只做检索、不做答案生成，以保证每条结果可追溯到原文页面、避免内容幻觉；仓库包含作者硕士阶段的示例 PDF。
核心能力与快速开始
★ 0 · Python
- 能做什么
- 基于 PyPDF 逐页加载学术 PDF，按 800 字符、120 字符重叠切块；用 all-MiniLM-L6-v2 生成归一化向量并建立 FAISS 相似度索引；对自然语言问题做语义检索，按距离返回最相关段落，并标注来源文件与 PDF 实际印刷页码；通过 Streamlit 提供查询界面。
- 适用场景
- 适合研究人员或学生在本地对一批学术 PDF 做按语义而非关键词的段落定位，并核对原文页码；也可作为 RAG 检索环节与文档切分策略的学习示例。
- 项目形态
- 可直接使用的工具
- 部署方式
- 本地运行，执行 streamlit run app.py；默认索引 docs/ 文件夹中的 PDF，没有该文件夹时索引项目目录下的 PDF。
- 主要依赖
- 需 Python 环境并安装 requirements.txt 中的依赖；嵌入模型在本地运行，README 称无 API 成本或延迟。
- 使用限制
- 仅做检索，不生成综合答案；作者仅以已知答案的问题人工检查检索结果，未说明自动化评测；未说明许可、语料规模上限与硬件要求。
- 许可证
- 未说明
- 最近推送
- 2026-10-30 08:57
资料检查：2026-10-31 07:00 · 卡片整理：2026-10-31 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证
职业应用
程序员
用于在本地对学术论文 PDF 做语义检索：按自然语言查询返回最相关段落及来源文件与页码，便于查阅技术资料和论文原文。
查看内容依据
Ask a natural language question and the system returns the most semantically relevant passages from the indexed documents, with the source file and page number for every result.
由 AI 根据来源材料整理，未进行安装或运行验证
讨论 0
登录后参与讨论，阅读资讯无需注册。
还没有评论，来分享第一个看法。