
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-10-02 · 当前星标 ★ 1362
使用教程
环境要求
- 已安装 ffmpeg 并确保在 PATH 中(macOS: brew install ffmpeg;Windows: 将安装包 bin 目录加入 PATH;Li
- Python 环境(README 使用名为 bilibili-rag 的 conda 环境)
- Node.js 与 npm(用于启动 frontend 前端)
- 有效的百炼 / DashScope API Key(用于 ASR 与 Embedding),以及 LLM 对话所需的 API Key
安装与启动步骤
-
1安装 ffmpeg
ffmpeg 用于音频处理,必须确保在 PATH 中可用。macOS 用 brew 安装;Windows 下载安装包后把 bin 目录加入 PATH;Linux 用 apt/yum/pacman 安装。
brew install ffmpeg -
2安装 Python 依赖
先激活 README 指定的 conda 环境 bilibili-rag,再按 requirements.txt 安装依赖;缺少依赖会导致 DashScope Embedding 初始化失败。
conda activate bilibili-rag pip install -r requirements.txt -
3复制环境变量模板
在项目根目录把 .env.example 复制为 .env。注意 .env 必须放在项目根目录,不是 frontend/ 目录。
cp .env.example .env -
4填写 .env 配置
在 .env 中填入百炼 / DashScope API Key、模型名等。推荐使用 OpenAI 兼容地址作为 OPENAI_BASE_URL,GEMBEDDING 走 DashScope SDK。
cp .env.example .env -
5启动后端服务
在项目根目录运行 uvicorn 启动 FastAPI 后端,--reload 便于调试。修改 .env 后需要重启该后端服务才会生效。
python -m uvicorn app.main:app --reload -
6启动前端页面
进入 frontend 目录安装依赖并启动开发服务器,浏览器访问 http://localhost:3000 使用界面。
cd frontend npm install npm run dev
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
DASHSCOPE_API_KEY | 是 | 百炼 API Key,用于 DashScope ASR 和 Embedding | sk-xxxxxxxxxxxxxxxx |
OPENAI_API_KEY | 否 | OpenAI 兼容接口的 Key,可留空;至少配置一个 Key | |
OPENAI_BASE_URL | 是 | LLM 对话接口地址,推荐用 DashScope 兼容模式 | https://dashscope.aliyuncs.com/compatible-mode/v1 |
LLM_MODEL | 是 | 用于 RAG 问答的对话模型名称 | qwen3-plus |
EMBEDDING_MODEL | 是 | 向量化模型名称,经 DashScope SDK 调用 | text-embedding-v4 |
CHAT_USE_LLM_ROUTER | 否 | false 跳过额外路由模型调用,首字更快;true 更智能 | false |
如何确认成功
后端可访问 http://localhost:8000/docs 打开 API 文档,前端可访问 http://localhost:3000 打开页面,即启动成功。
常见问题
Q:报错 The api_key client option must be set 是什么原因?
A:后端没有读到有效 API Key。请检查 .env 是否在项目根目录,并确认至少配置了 DASHSCOPE_API_KEY 或 OPENAI_API_KEY。
Q:百炼 / DashScope 的 OPENAI_BASE_URL 应该填什么?
A:推荐填 https://dashscope.aliyuncs.com/compatible-mode/v1。不要填 https://coding.dashscope.aliyuncs.com/v1,也不要把 ASR 的 DASHSCOPE_BASE_URL 填到这里。
Q:报错 DashScope Embedding 初始化失败怎么办?
A:后端缺少 Embedding 所需依赖。请运行 pip install -r requirements.txt 后重启后端。Embedding 使用 DashScope SDK,不会自动切换到 OPENAI_BASE_URL。
Q:报错 AllocationQuota.FreeTierOnly 是什么原因?
A:这是上游模型服务返回的配额错误,通常表示免费额度已耗尽或控制台开启了仅使用免费额度,需要在模型服务控制台调整额度或切换模型。
Q:改了 .env 但模型没有变化?
A:配置在后端启动时读取,修改 .env 后请重启 uvicorn 后端服务。
注意事项
- 先同步/入库收藏夹,再进行问答;问题越具体召回效果越好
- 出现“无命中”时,优先检查是否完成入库或是否选错收藏夹
- 建议先用只含 1–3 个短视频的收藏夹体验流程,再逐步增加视频
- 不要把真实 API Key 提交到 GitHub;README 提到另有 Docker 一键部署方式,可按 README 该节继续操作
核心亮点
- 打通收藏夹到问答的完整链路,下载、转写、切分、向量化、检索一步到位
- 用 Chroma 做本地向量库,数据留在自己机器上,隐私可控
- 支持 Qwen 等中文大模型,对中文视频内容的理解和回答更自然
不足之处
- 依赖 B 站接口和音频下载,接口变动或风控可能导致抓取失败
- 语音转写和向量化对算力有要求,长视频处理耗时较长
适用场景
- 把收藏的技术教程视频变成可检索的学习资料库
- 整理收藏的讲座、访谈内容,直接提问找关键观点
- 个人知识管理,把零散收藏的视频统一转成可问答文本
替代项目
Quivr、PrivateGPT
上一篇:ApeRAG
下一篇:typeagent-py
同类项目推荐
mcp-searxng
开源
让 AI 助手用你自己的 SearXNG 搜网页,隐私可控
Private web search for AI assistants via SearXNG — supports Claude, Cursor, and any···
aisearch-openai-rag-audio
开源
用语音对话你的私有知识库,基于Azure AI Search和GPT-4o实时问答
A simple example implementation of the VoiceRAG pattern to power interactive voice g···
memfree
开源
搜完自动生成答案页,现查现用不费脑
MemFree - Hybrid AI Search Engine & AI Page Generator
DyG-RAG
开源
用动态事件图增强RAG,让AI理解事件演变并精准回答
Code implementation for DyG-RAG: Dynamic Graph Retrieval-Augmented Generation with E···
ragflow-plus
开源
Ragflow 精简版,快速搭私有知识库问答
Ragflow-Plus 是 Ragflow 的二次开发版本,使其更为简洁实用
statespace
开源
让AI代理快速搜到想要的网页结果
A/B test code changes on your own infrastructure
FastGPT
开源
拖拽搭建AI问答系统,轻松搞定知识库RAG
FastGPT is a knowledge-based platform built on the LLMs, offers a comprehensive suit···
open-webui-pipeline-for-ragflow
开源
在 Open WebUI 里直接聊 RAGFlow 知识库
使用open-webui中的pipelines技术在open-webui中调用ragflow的agent实现基于知识库的智能对···
guidance-for-natural-language-qu···
开源
用大白话问数据库,自动生成SQL查结果
Demonstration of Natural Language Query (NLQ) of an Amazon RDS for PostgreSQL databa···