企业官网建设流程全解析

awesome-llm-apps 的 PDF 聊天应用：30 行代码搭一个 AI 文档问答与 RAG 分析系统

【免费下载链接】awesome-llm-apps100+ AI Agents, Agent Skills and RAG Apps - Free and Open Source.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps

你有一份上百页的 PDF，不想逐页翻，只想直接问"结论在哪、数据怎么说的"。awesome-llm-apps 项目里的 PDF 聊天 + RAG 文档分析应用就是干这个的：上传文件、提问，拿到基于文档内容的回答。读完这篇，你会得到一套从零启动的操作步骤、一个可本地运行的问答网页，以及换本地模型、合并多文档的具体做法。

场景：手头一堆 PDF，想直接问个明白

研究报告、合同条款、论文综述，翻几页就关掉了。这类应用的做法很直接：跑在 Streamlit 上，你上传 PDF 后，embedchain 把文档切成文本块、生成向量、存进本地 Chroma 数据库；你提问时，它先检索出相关片段，再交给 LLM 基于这些内容作答——这就是 RAG 的完整链路。

它不绑定某一家模型服务商：LLM 层默认走 OpenAI，也可以整体换成 Ollama 上的本地模型，文档不必离开你的机器。另外，整个应用逻辑集中在 chat_pdf.py 一个文件里，30 行左右，读完一遍就能自己改。

从零跑通：克隆、装依赖、一条命令启动

先把仓库拿到本地，并进入 PDF 聊天这个模块的目录：

git clone https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps cd awesome-llm-apps/advanced_llm_apps/chat_with_X_tutorials/chat_with_pdf

依赖很少：streamlit 负责网页界面，embedchain 承担 RAG 流水线（解析 PDF、向量化、检索），streamlit-chat 用来渲染对话。装完即可启动：

pip install -r requirements.txt streamlit run chat_pdf.py

浏览器打开后，页面上方有一个 OpenAI API Key 输入框，把密钥贴进去就能继续。没有密钥也不影响先跑起来——本地模型的走法在下面会讲。

上手体验：从上传 PDF 到拿到回答

点页面上的 "Upload a PDF file"，选择你的 PDF。上传后系统会把它写成临时文件交给 embedchain（data_type 为 pdf_file）处理，完成后页面提示 "Added xxx to knowledge base!"，此时文档已经进了向量库。

然后在 "Ask a question about the PDF" 输入框直接提问，回车就能看到回答。提问时不妨具体一点："这份报告的三个核心结论是什么"比"总结一下"得到的答案更有用。

进阶玩法：多文档合并、本地模型与批量处理

多文档合并查询—— 向量库用临时目录创建，整个会话期间一直复用。你接着点上传，每份 PDF 都会并入同一个 Chroma 库，之后可以问"对比这两份报告的观点"这类跨文档问题。

本地模型，不依赖 API key—— 装好 Ollama 并拉取 llama3:instruct 或 llama3.2:latest，然后运行streamlit run chat_pdf_llama3.py；chat_pdf_llama3.2.py 这个版本还带侧边栏 PDF 预览、对话历史和"Clear Chat History"按钮，体验更接近一个正式聊天产品。

换模型—— 配置都集中在embedchain_bot()里的 config 字典中，llm、embedder、vectordb 三项可以各自单独改，想接哪家模型就替换对应 provider。

批量与自动化—— 需要成批处理文档时，可以参考项目里 advanced_llm_apps/cursor_ai_experiments/multi_agent_researcher.py 的多智能体示例，思路是现成的。

这个目录里还有 chat_with_gmail、chat_with_youtube_videos 等同系列的"与 X 聊天"教程，交互模式和 PDF 版完全相通，照着换数据源即可。想继续深入 RAG，rag_tutorials/ 下有混合检索、知识库路由等十几个示例可以接着做。

【免费下载链接】awesome-llm-apps100+ AI Agents, Agent Skills and RAG Apps - Free and Open Source.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps