这次我们来看一个基于 Apache Doris 和 SelectDB 构建的 AI 应用实战项目。它不是一个单一的模型或工具，而是一套完整的、可落地的技术方案，核心目标是解决大模型在回答复杂、专业问题时面临的“知识幻觉”和“信息碎片化”难题。简单说，就是教你如何用 Doris 这个高性能数据库，搭建一个从基础检索增强生成（RAG）到知识图谱增强的智能问答系统。这个方案最值得关注的点在于，它没有停留在概念层面，而是提供了从环境准备、数据处理、向量入库、知识图谱构建到最终问答生成的完整代码流程。对于开发者而言，这意味着你可以直接参照这套流程，将公司内部的文档、知识库快速转化为一个能理解实体关系的智能问答助手。无论是技术文档查询、产品知识库还是企业内部的复杂业务咨询，这套方案都能提供结构更清晰、答案更准确的解决方案。本文将带你完整走通两个核心场景：首先是基础 RAG，实现文档的向量化存储和语义检索；然后是进阶的知识图谱增强 RAG，通过抽取文档中的实体和关系，构建结构化知识网络，从而回答涉及多实体关联的复杂问题。整个过程会涉及 Apache Doris 的部署与向量索引使用、LangChain 的文本处理、Ollama 本地嵌入模型部署以及 DeepSeek 等大模型 API 的调用。如果你正在寻找一个能统一处理向量检索和结构化分析、且能支撑工业级应用的数据底座方案，或者你对如何将非结构化文档转化为可推理的知识图谱感兴趣，那么这篇文章提供的实战路径将非常具有参考价值。下面，我们就从这套方案的核心能力开始，一步步拆解实现细节。1. 核心能力速览在深入代码之前，我们先通过一个表格快速了解这套方案的核心特性和技术选型，这有助于你判断它是否适合你的项目需求。能力项说明项目类型基于数据库的 AI 应用解决方案（RAG + 知识图谱）核心组件Apache Doris (向量数据库/分析引擎)、LangChain (应用框架)、Ollama (本地嵌入模型)、DeepSeek API (LLM)主要功能1.基础 RAG：文档分片、向量化存储、语义检索、答案生成。2.知识图谱增强 RAG：实体关系抽取、图谱构建与存储、基于图谱的子图检索与推理。数据支撑能力统一 HSAP 架构：支持向量近似最近邻（ANN）检索、全文搜索、结构化 SQL 分析，无需维护多套系统。硬件/环境门槛数据库层：Doris 支持 X86/ARM 架构，可部署在物理机、虚拟机或容器中，资源需求取决于数据量。AI 模型层：嵌入模型（bge-m3）可本地运行（Ollama），对 GPU 非强制要求；LLM 可使用云端 API（如 DeepSeek），降低本地算力压力。启动与部署方式1.Doris：可通过官方安装包、Docker 或 SelectDB Cloud 托管服务部署。2.应用服务：基于 Python 脚本，通过命令行按步骤执行数据处理、入库和查询。是否支持 API方案本身是流程脚本，但核心的向量检索和 LLM 调用均可封装为 RESTful API 服务。Doris 也提供标准的 MySQL 协议和 HTTP 接口。是否支持批量任务是。文档处理、向量生成、数据导入均为批量化操作。Doris 支持高性能批量数据导入。适合场景企业知识库问答、技术文档智能查询、客户服务自动化、内部培训系统、复杂业务关系分析等需要结合非结构化文本和结构化知识的场景。2. 适用场景与使用边界在决定投入时间部署之前，明确它能做什么、不能做什么至关重要。这套方案最适合谁？全栈/后端工程师：希望为现有产品增加智能问答能力，需要一个稳定、高性能且易于扩展的数据后端。AI 应用开发者：厌倦了维护独立的向量数据库和关系型数据库，寻求一个统一的数据平台来简化架构。数据分析师/业务人员：拥有大量内部文档（如产品手册、项目报告、会议纪要），需要快速构建一个能理解内容关联的检索工具。它能解决什么问题？打破信息孤岛：将散落在各处的非结构化文档（PDF、Word、Wiki）转化为可检索、可关联的结构化知识。提升问答精度：通过 RAG 为 LLM 提供精准的文档上下文，减少“胡言乱语”；通过知识图谱捕捉实体间的复杂关系，让回答更具逻辑性。降低系统复杂度：使用 Apache Doris 一个系统同时承担向量检索、关键词过滤和复杂分析任务，避免了在 Milvus、Elasticsearch 和传统数据库之间进行数据同步和联合查询的麻烦。它的局限性是什么？非开箱即用：这是一套需要自行集成的技术方案，并非一个打包好的 SaaS 产品。你需要具备一定的 Python 编程和数据库运维能力。知识构建有成本：知识图谱的构建质量高度依赖于实体关系抽取的准确性，这需要精心设计提示词（Prompt），并对 LLM 的结果进行一定程度的校验或后处理。实时性要求：对于需要极低延迟（毫秒级）的向量检索场景，可能需要针对 Doris 的 HNSW 索引参数进行深度调优。领域适应性：实体和关系的定义需要根据具体业务领域定制。通用的实体类型（如 Organization, Person）可能无法覆盖专业领域的特殊概念。合规与安全边界数据隐私：所有文档处理、向量化及知识图谱构建均在用户可控的环境中进行（本地或私有云），确保了原始数据不外泄。版权与授权：务必确保用于构建知识库的文档材料已获得合法使用授权，避免侵犯知识产权。内容安全：最终问答系统的输出依赖于 LLM 和输入的知识库。需建立审核机制，防止生成有害或不实信息。3. 环境准备与前置条件要复现整个流程，你需要准备好以下软件和环境。我们将以 Linux/macOS 环境为例进行说明，Windows 用户可通过 WSL 或 Docker 获得类似体验。3.1 基础软件环境操作系统：Linux (推荐 Ubuntu 20.04+)、macOS 或 Windows (WSL2)。Python：版本 3.8 - 3.11。建议使用conda或venv创建独立的虚拟环境。包管理工具：pip。版本控制：git（用于拉取示例代码）。3.2 Apache Doris 部署这是整个方案的数据核心。你有两种主要选择：本地部署：参考 Apache Doris 官方文档 进行安装。你需要准备至少 2GB