AI 本地知识库

English

基于 LangChain.js 的 RAG 智能问答助手。 导入 Markdown 文档构建知识库，提问时自动检索相关内容，通过 AI 模型生成回答。

• 默认通用模型：Qwen2.5-0.5B-Instruct-ONNX
• 默认向量模型：bge-large-zh-v1.5-ONNX
• 默认模型镜像站：🤗HuggingFace

功能

✅ 支持 Chat 和 Embedding API，也可独立选择本地模型进行知识库问答

✅ 支持本地向量模型，可完成知识库内容的快速关键词检索

✅ 支持本地通用模型+向量模型，实现根据知识库内容问答

✅ 集成prodocs.lceda.cn全部文档，遇到问题随问随答

本地模式说明

模型类型说明

扩展基于Transformers.js库构建，支持ONNX模型。首次运行默认会从镜像站在线拉取ONNX模型，若镜像站无法拉取，也可通过本地导入ONNX模型文件夹（可从HuggingFace或魔塔社区获取ONNX模型源文件，本地导入时直接选择源文件夹即可自动解析），导入后文件会存入浏览器缓存，建议导入时只选择需要使用的模型文件，避免占用空间。

向量模型说明

扩展仅随包提供内置文档文本，不包含预构建向量，构建 .eext 时也不会下载 Embedding 模型或计算向量。首次使用时，配置好 Embedding 模型并在助手中点击“开始构建”，为全部有效的内置文档和用户导入文档构建完整向量；忽略或删除的文档不参与构建。在线、本地镜像和导入模型均使用同一构建流程，向量分块保存在本地，支持中断续建。再次打开插件时自动加载当前模型的已有缓存，只补算缺失片段；切换到无缓存的模型时需要重新构建。即使维度相同，不同模型的向量也不能混用。

LLM模型说明

LLM模型推荐使用大于4B参数的模型才会有良好体验，需要注意的是本地LLM运行会占用大量内存，确保电脑有足够内存用于推理，建议使用在线模型，也可使用ollama等框架本地部署后使用openai格式的api接入。

其他说明

1. 若计划完全使用本地模型会对电脑配置要求较高,建议多核，超线程，高主频，大内存的设备。
2. 本地模型使用前会读取缓存，加载onnx，分配内存和初始化WASM，因此首次使用需要一些准备时间，受限于主机性能和模型参数，可能会有卡顿是正常现象。

安装

使用方法

1.在"高级"-"扩展管理器"中导入eext-knowledge-base.eext扩展文件。

2.在"配置"中开启"允许外部交互"选项

3.进入原理图或PCB界面，点击顶部导航栏"高级"-"AI 知识库"选择需要的功能即可。

致谢

• LangChain.js — RAG 流程框架
• Transformers.js — 浏览器端模型推理
• Qwen2.5-0.5B-Instruct — 开源中英双语大语言模型
• BAAI/bge-large-zh-v1.5 — 开源中英双语嵌入模型
• 🤗Hugging Face — AI开源社区
• Open Neural Network Exchange — ONNX社区