CBETA 佛经知识库 RAG 系统

基于 CBETA 电子佛典的智能问答系统，采用 RAG (Retrieval-Augmented Generation) 架构。

项目概述

项目	说明
功能	佛经智能检索与问答
数据源	CBETA 电子佛典 (21,956 经典)
向量数	193,400 条
部署环境	NVIDIA Jetson AGX Orin
API 兼容	OpenAI Chat Completions

数据源

**CBETA（中華電子佛典）**是本项目的数据来源。

• 官方网站: https://www.cbeta.org
• 佛典下载地址: http://cbeta.org/ebooks
• GitHub: https://github.com/cbeta-org/xml-p5

许可协议: CC BY-NC-SA 3.0 TW（创作共用-非商业性使用-相同方式共享）

系统架构

┌─────────────────────────────────────────────────────────────────┐
│                        CBETA RAG 系统                           │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│   用户请求 ──→ FastAPI ──→ RAG Pipeline                         │
│                              │                                  │
│              ┌───────────────┼───────────────┐                  │
│              ▼               ▼               ▼                  │
│        ┌─────────┐    ┌─────────┐    ┌─────────────┐           │
│        │ BGE-M3  │    │ Qdrant  │    │   Reranker  │           │
│        │Embedding│    │ 向量库   │    │   重排序    │           │
│        └─────────┘    └─────────┘    └─────────────┘           │
│              │               │               │                  │
│              └───────────────┼───────────────┘                  │
│                              ▼                                  │
│                     ┌───────────────┐                           │
│                     │   LLM 生成    │                           │
│                     │ Gemini/Qwen/  │                           │
│                     │ GLM/Ollama    │                           │
│                     └───────────────┘                           │
│                              │                                  │
│                              ▼                                  │
│                        返回带引用的回答                          │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

核心特性

• 多 LLM Provider 支持: Gemini, Qwen, GLM, DeepSeek, OpenAI, Anthropic, Ollama
• 自动降级: 远程 API 不可用时自动切换到本地 Ollama
• 并行 Rerank: 优化的重排序，响应时间 <1秒
• OpenAI 兼容 API: 可直接对接现有工具

快速开始

# 1. 启动服务
cd ~/code/cbeta-rag
docker compose up -d

# 2. 测试 API
curl -X POST 'http://localhost:8000/v1/chat/completions' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  -d '{"messages": [{"role": "user", "content": "什么是般若？"}], "rag": true}'

# 3. 健康检查
curl http://localhost:8000/health

目录结构

cbeta-rag/
├── app/
│   ├── api/           # API 端点
│   │   ├── chat.py    # 聊天补全 API
│   │   ├── search.py  # 检索 API
│   │   ├── models.py  # 模型列表 API
│   │   └── health.py  # 健康检查
│   ├── core/          # 核心逻辑
│   │   ├── config.py  # 配置管理
│   │   ├── auth.py    # 认证
│   │   └── rag.py     # RAG 流水线
│   ├── services/      # 服务层
│   │   ├── embedding.py   # 向量化
│   │   ├── vectordb.py    # 向量数据库
│   │   ├── reranker.py    # 重排序
│   │   └── llm.py         # LLM 调用
│   ├── ingestion/     # 数据导入
│   │   ├── cbeta_parser.py  # CBETA 解析
│   │   └── chunker.py       # 文本分块
│   └── main.py        # 应用入口
├── scripts/
│   └── ingest_cbeta.py  # 导入脚本
├── data/
│   └── qdrant/        # 向量数据存储
├── docker-compose.yml
├── Dockerfile
├── requirements.txt
└── .env

文档索引

文档	说明
DEPLOYMENT.md	部署指南
MAINTENANCE.md	维护手册
ARCHITECTURE.md	技术架构
API.md	API 参考

技术栈

• 后端: FastAPI + Python 3.10
• 向量库: Qdrant
• Embedding: BGE-M3 (via Ollama)
• LLM: Gemini / Qwen / GLM / Ollama
• 容器: Docker + Docker Compose
• 硬件: NVIDIA Jetson AGX Orin (61GB 内存)

许可证

内部使用

---

最后更新: 2026-02-04