【大模型】(记一面试题)使用Streamlit和Ollama构建PDF文件处理与聊天机器人应用

我在找工作的过程中，遇到一个面试题：搭建一个简易的利用大型 LLM 和 RAG 来实现用户与PDF文件的自然语言交互。

参考链接：https://medium.com/the-ai-forum/rag-on-complex-pdf-using-llamaparse-langchain-and-groq-5b132bd1f9f3

做题准备

在人工智能的学习路上，各种认知是拓宽了不少，但是实际代码编写以及项目落地迟迟没有实施，正好，可以通过这个面试题，考验自己的实操能力。根据题目给予的参考资料，以及通过搜索引擎来搜索资料一步一步进行实现，并在此做一个学习记录。

环境准备

首先，准备了一些核心的开发环境库：

• Streamlit
• Ollama
• LlamaParse
• LlamaIndex
• Python的dotenv库

pip install streamlit ollama llama-parse llama-index python-dotenv

代码结构

整个应用程序的代码结构如下：

1. 导入所需的库
2. 加载环境变量
3. 定义一个生成器函数来处理用户输入
4. 设置Streamlit的页面标题和文件上传器
5. 初始化会话状态
6. 显示聊天消息
7. 处理用户输入并生成响应
8. 处理PDF文件并构建向量索引

1. 导入所需的库

首先，需要导入所需的库：

导入必要的库

2. 加载环境变量

使用dotenv库加载环境变量，以便在代码中使用：

加载环境变量

3. 定义生成器函数

我们定义一个生成器函数来处理用户输入，并使用Ollama模型生成响应：

定义生成器函数初始化Ollama模型设置查询引擎迭代生成响应

4. 设置Streamlit的页面标题和文件上传器

使用Streamlit设置页面标题和文件上传器，让用户可以上传PDF文件：

设置Streamlit页面标题
设置文件上传器

5. 初始化会话状态

初始化会话状态，用于存储用户消息：

初始化会话状态

6. 显示聊天消息

遍历并显示存储在会话状态中的消息：

遍历会话状态中的消息显示每条消息

7. 处理用户输入并生成响应

处理用户输入的消息，生成并显示模型的响应：

如果有新的用户输入保存用户消息显示用户消息生成模型响应保存并显示模型响应

8. 处理PDF文件并构建向量索引

处理上传的PDF文件，并使用LlamaParse解析内容，构建向量索引：

如果有上传的PDF文件读取文件内容使用LlamaParse解析文件构建向量索引保存向量索引到会话状态

初步实现效果