鲁迅说没说

1. 项目概述

输入一句疑似鲁迅说过的名言，本项目会在鲁迅作品集中搜索多个语义相近的句子，输出给大模型，大模型会判断用户输入的疑似名言与搜索结果的相似程度，判断疑似名言是否出自鲁迅作品集。 鲁迅作品集来自luxun_dataset。 在原数据的基础上，设置以下字段："book"、"title"、"author"、"type"、"source"、"date"和"content"，但是因为在原数据的基础上整理，有些字段的值为空。整理后的数据请见鲁迅作品数据集。

2. 安装

2.1 安装 Docker

Milvus 运行在 Docker 容器中，因此需要先安装 Docker Desktop。

Milvus 运行在 docker 容器中，所以需要先安装 Docker Desktop。 MacOS 系统安装方法：Install Docker Desktop on Mac。 Windows 系统安装方法：Install Docker Desktop on Windows。

2.2 安装向量数据库 Milvus

下载并运行 Milvus 独立版脚本：

下载安装脚本：

curl -sfL https://raw.githubusercontent.com/milvus-io/milvus/master/scripts/standalone_embed.sh -o standalone_embed.sh

运行 Milvus：

bash standalone_embed.sh start

2.3 创建 python 虚拟环境（可选）

建议创建虚拟环境以避免依赖冲突：

python3 -m venv myenv

激活虚拟环境

source myenv/bin/activate

退出虚拟环境：

deactivate

2.4 安装 Python 依赖

pip install -r requirements.txt

2.5 获取大模型的 api key

本项目采用 deepseek 的 api key，可以在这里获取。 然后在终端输入命令：export DEEPSEEK_API_KEY=<your-deepseek-api-key>，把deepseek的api key作为环境变量保存。把<your-deepseek-api-key>替换为你获取的 api key。

2.6 配置文件

本项目的配置文件为config.yaml，其中limit是向量数据库搜索结果的数量，增加该数值可以搜索到更多语义相似的句子，但是会增加搜索时间，以及输入给大模型的 token 数量。

3. 运行项目

执行 main.py 交互程序。

python main.py

支持以下四种命令： create <file_path>：在向量数据库中创建集合，生成指定文本的向量，导入集合中，并且创建索引。把<file_path>替换成文件路径。比如create data/LuXunWorks.json>。本项目只提供了 LuXunWorks.json 文件，你也可以替换成其他文件，但是文件格式必须相同。

ask：进入问答模式。在问答模式中，输入疑似鲁迅的名言，项目会判断鲁迅是否说过这句话。比如：

（ask）请输入疑似鲁迅的名言：浪费别人的时间是谋财害命，浪费自己的时间是慢性自杀
鲁迅的确说过类似的话，原文是“美国人说，时间就是金钱；但我想：时间就是性命。无端的空耗别人的时间，其实是无异于谋财害命的。不过像我们这样坐着乘风凉，谈闲天的人们，可又是例外。”，这句话来自《门外文谈》。

delete：删除已有集合。

exit：退出当前命令，或者退出项目。

4. 许可证

本项目采用 MIT 许可证。