知识库与 RAG工具
rag-llamaindex-qdrant-docker：基于 LlamaIndex、Qdrant 和 Docker 的本地多集合文档问答系统
Roseapplemutualopposition5427/rag-llamaindex-qdrant-docker · Build a multi-collection RAG system using LlamaIndex and Qdrant in a Docker environment.
ELI5：它是什么，解决什么问题
该项目提供一个本地运行的文档搜索引擎，结合 LlamaIndex 进行文档解析与索引、Qdrant 作为向量库、Ollama 生成回答，并以 Docker 打包部署环境。用户可在浏览器界面中上传 PDF 或文本文件，系统处理后即可针对文档内容进行问答，并支持按集合管理不同主题的文档。数据默认保存在本机，不上传互联网。
核心能力与快速开始
★ 0 · Dockerfile
- 能做什么
- 提供多集合的检索增强生成（RAG）系统，使用 LlamaIndex 对上传的 PDF、文本文件进行解析和索引，Qdrant 作为向量数据库存储和检索内容，Ollama 作为本地大模型生成回答。通过浏览器界面（默认端口 8501）上传文档、触发处理、并针对文档内容提问。支持通过设置页切换不同文档集合，通过编辑 config.yaml 调整语言模型和检索行为，并通过 docker compose 管理整体服务。
- 适用场景
- 在本地 Windows 10/11 电脑上构建面向私有文档的智能问答搜索引擎，例如整理个人资料、项目文档或按主题分组的文件，并针对其内容进行自然语言问答，适合对数据隐私敏感、希望不把文档上传至互联网的个人或小团队使用。
- 项目形态
- 可直接使用的工具
- 部署方式
- 使用 Docker Desktop for Windows 与 docker-compose.yml 本地部署，通过 `docker compose up` 启动，浏览器访问 `http://localhost:8501`。
- 主要依赖
- Windows 10 或 11；至少 8 GB 内存；至少 5 GB 可用磁盘空间；需安装并运行 Docker Desktop for Windows。
- 使用限制
- 仅说明支持标准 PDF 或文本文件，扫描图像若无文本层可能无法读取。使用端口 8501，存在端口冲突风险；大文档处理可能较慢。未说明是否支持 Windows 以外的操作系统、具体硬件加速要求、各组件版本、API 成本或商业使用许可。
- 许可证
- NOASSERTION
- 最近推送
- 2026-09-17 14:56
资料检查：2026-09-18 07:00 · 卡片整理：2026-09-18 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容
职业应用
程序员
程序员可以使用该工具在本地搭建文档问答系统，上传技术文档或代码说明文件，通过浏览器界面进行问答，辅助技术文档查阅和排错。
查看内容依据
This tool helps you build a search engine for your own documents. It uses artificial intelligence to read your files and answer questions based on their content.
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。