rag-web-ui：它是什么、解决了什么问题以及为何受到关注

它解决了什么

RAG Web UI 提供了一个完整的系统，用于基于私有知识库构建智能问答服务。它解决了让大语言模型（LLM）在回答时能够依据用户提供的特定文档，而不是仅仅依赖模型的通用训练数据，从而提供准确、可靠答案的问题。

工作原理

系统使用检索增强生成（Retrieval‑Augmented Generation，RAG）流水线：

1. 文档导入：用户上传文档（PDF、DOCX、Markdown、Text），这些文档会存储在 MinIO 中。系统随后异步提取文本，将其拆分为块，并使用嵌入服务将这些块转换为向量。
2. 存储：这些向量被存入向量数据库（可选 ChromaDB 或 Qdrant）。
3. 查询过程：当用户提出问题时，系统对查询进行嵌入，从向量数据库检索出最相关的文档块，使用 Cross‑Encoder 进行重新排序，并将组装好的上下文输入 LLM，生成最终响应。
4. 集成：支持多种 LLM 提供商（OpenAI、DeepSeek、MiniMax，以及通过 Ollama 的本地模型），并提供 OpenAPI 接口供外部访问。

适用人群

本项目面向希望部署私有、基于文档的 AI 聊天系统并拥有友好网页界面的用户，也适合寻找 RAG 架构参考实现的开发者。

亮点

• 灵活的 LLM 支持：兼容云服务（OpenAI、DeepSeek、MiniMax）和本地部署（Ollama）。
• 多格式支持：支持 PDF、DOCX、Markdown 和 Text 文件。
• 向量库选择：通过工厂模式同时支持 ChromaDB 和 Qdrant。
• 全栈架构：结合 FastAPI 后端、Next.js 14 前端和 MinIO 分布式对象存储。
• 引用功能：在对话中支持参考引用，确保答案的透明度。

SUMMARY: 一个智能对话系统，允许用户通过检索增强生成（RAG）将自有文档知识库与 LLM 结合，构建定制化的问答服务。

TITLE: rag-web-ui：它是什么、解决了什么问题以及为何受到关注