本文介绍了一个基于RAG(检索增强生成)技术的文档问答系统实现方案。系统流程包括：读取Word文档、文本分块、调用阿里云百炼API进行向量化、存入Chroma向量数据库；用户提问时，将问题向量化并在向量库中检索相关文档片段，最后结合片段和问题构造Prompt，交由本地Ollama的qwen3.5:9b模型生成回答。文章详细说明了各功能模块的实现方法，包括文档加载、文本分割、向量生成、向量存储与检索

本文介绍了一个基于大语言模型的智能对话系统实现方案

这份代码是基于 LlamaIndex + 阿里云 DashScope 通义千问大模型 + Chroma 向量数据库 搭建的本地知识库 RAG 检索增强生成系统初始化脚本，整体作用：读取本地文件夹文档、文本切分、调用阿里云 Embedding 向量模型把文本转为向量存入 Chroma 向量库、持久化保存知识库索引，后续可以基于这个知识库问答。

openclaw环境搭建