🚀 SparkX：基于大模型的智能问答系统 SparkX 是一款开源知识库问答系统，采用 SpringBoot3+Vue3+PgSQL 技术栈，集成大语言模型与 RAG 检索增强 技术，支持快速嵌入业务系统。核心特性： 灵活模型接入：通过 langchain4j 兼容主流大模型（含自建模型） 精准问答：RAG 技术消除幻觉，提升私有数据回答准确性 可视化编排：AntvX6 引擎实现多 Agent

我们可以借助其快速的开发AI Agent的应用，它提供了大量主流的模型接入的实现方式。由于是外国开发的原因，国内的一些框架很多都没有单独的开发。好在他有标准的OpenAI 接口，由于大部分的大模型都支持标准的OpenAI。Langchain4j 的OpenAI，接口是无法兼容 DeepSeek 的 reasoning_content 内容的，然后就在 6天之后有人提交了兼容的PR。TokenStr

现在AI正火，AI也在潜移默化的改变我们的生活，我们也可以通过AI解决很多生活中的问题。但实际通用的AI在处理特定的专业知识的时候，要不就是回答的过于宽泛，要不就是回答的问题幻觉很严重。我们在让AI回答特定的专业知识的时候，给AI一些知识参考，这个时候 AI 就可以更加准确的回答问题了。如果您不想使用官方的镜像，或者你自己有做了修改，或者进行了端口的修改等一系列自主的修改的方式，想构建自己的镜像，

Ollama是一个开源的本地大语言模型（LLM）运行框架，专注于简化和优化大型语言模型在个人设备上的部署与管理，支持主流模型的快速运行与集成。借助Ollama 强大的功能我们无需关注本地模型部署的各种复杂的依赖。如何在SparkX中使用Ollama呢？本文以macos 环境为例，其他环境除了装Ollama略有不同，其余的均一致。

重排是信息检索流程中的第二阶段，旨在对初步召回的候选文档进行细粒度排序，以提升结果与查询的相关性。由于我们用的embedding模型在语义理解上 存在一定的缺陷，因此召回的文本跟语义的匹配不是很完美，我们这里通过重排模型，对结果进行重新排序，则大模型会返回给我们更优质的结果。我们可以看到，其实原始的语句排序并不好，第一条的相关性其实是低于后面的。我们按照得分，从高到低，依次把原召回片段重新排序后，

🚀 SparkX：基于大模型的智能问答系统 SparkX 是一款开源知识库问答系统，采用 SpringBoot3+Vue3+PgSQL 技术栈，集成大语言模型与 RAG 检索增强 技术，支持快速嵌入业务系统。核心特性： 灵活模型接入：通过 langchain4j 兼容主流大模型（含自建模型） 精准问答：RAG 技术消除幻觉，提升私有数据回答准确性 可视化编排：AntvX6 引擎实现多 Agent

原因在于，我发现目前主流的开源商城系统，PC端大多采用vue这种新技术去编写的，虽然提供了美观的界面，但是接触过SEO的人都知道，这种方式的网站是无法被搜索引擎良好的收录的。我只是想说，SEO是最低成本的引流手段，别人没有，你有，不也是一种潜在的优势吗？但是我想说，pc还是有一定的作用的，最起码可以给你的用户带来更多的体验端口。PC端不仅重新设计，同时同步了几乎移动端所有的功能，发布即拥有完善的功