基于 RAG (Retrieval-Augmented Generation) + FAISS 的问答系统示例，支持向量检索和生成式回答。

app/
  ├── __init__.py
  ├── main.py         # FastAPI 主程序
  ├── models.py       # 模型定义
  ├── retriever.py    # FAISS 检索逻辑
  └── utils.py        # 工具函数

data/
  ├── docs/           # 文档源文件
  │   ├── faiss_intro.txt
  │   └── rag_intro.txt
  └── faiss/          # 索引文件
      ├── index.faiss
      └── texts.pkl

Dockerfile
requirements.txt
.cnb.yml

1. 文档管理：将需要检索的文档放在 data/docs/ 下。
2. 向量索引：FAISS 构建向量索引，实现高效向量检索。
3. 问答接口：通过 /query 接口接收问题，返回生成答案。
4. 可视化流程：使用 Mermaid 流程图直观展示整个问答流程。

# 确保 data/docs 下有文档
mkdir -p data/docs
echo "RAG 是结合检索与生成的问答方法" > data/docs/rag_intro.txt
echo "FAISS 是向量检索引擎" > data/docs/faiss_intro.txt

# 使用 Docker 启动
docker build -t rag-qa .
docker run -it --rm -p 8000:8000 -v $(pwd)/data:/app/data rag-qa

# 测试 API
curl -X POST http://localhost:8000/query \
  -H "Content-Type: application/json" \
  -d '{"question": "什么是 RAG？"}'