用 LangChain 搭 AI PDF 聊天机器人 2026：30 分钟搞定

不要 Docker、不要重型框架——这是一个 30 分钟能搭好、还能扩展成真正产品的极简 LangChain PDF 聊天机器人。

💡 你将学到

不要 Docker、不要重型框架——这是一个 30 分钟能搭好、还能扩展成真正产品的极简 LangChain PDF 聊天机器人。

📜 目录

• 极简 RAG 模式
• 技术栈
• 核心代码
• 每部分的理由
• 30 分钟路径
• FAQ
• 相关文章

极简 RAG 模式

PDF 聊天机器人是四步 RAG 管道：加载、切分、向量化、检索回答。LangChain（144,172 stars，2026-08-14）把每步都做成组件；整个机器人约 60 行。

技术栈

• Python 3.10+
• langchain + langchain-community + langchain-chroma
• pypdf（PDF 解析）
• 向量库：Chroma（本地、免费、零配置）
• LLM：任意 OpenAI 兼容端点——OpenAI、DeepSeek 或本地 Ollama

核心代码

（见英文版代码块）

每部分的理由

• 块大小 1000 / 重叠 200：答案需要上下文；重叠防止把段落切成两半
• k=4 检索：多数答案四个块足够，又不会撑爆提示词
• temperature=0：事实问答应该确定性
• 提示词约束：“只用上下文，不确定就说”——阻止幻觉伪装成答案

30 分钟路径

1. pip install langchain langchain-community langchain-chroma pypdf langchain-openai（5 分钟）
2. 保存脚本，让 PyPDFLoader 指向你的 PDF（2 分钟）
3. 运行、提问（玩 10 分钟）
4. 用 FastAPI（102,000 stars）包起来加个小聊天 UI（剩余时间）

FAQ

为什么用 LangChain 而不裸写？ 组件处理麻烦的部分（切分、检索、提示词组装）；裸写是教学，LangChain 是生产力。

用哪个嵌入模型？ text-embedding-3-small 便宜够用；本地用户可用 Ollama 嵌入。

支持扫描版 PDF 吗？ 不支持——PyPDFLoader 需要文本；扫描件加 OCR（pytesseract）。

准确度如何？ 取决于切块质量和 LLM；k=4 检索加来源引用是准确度的杠杆。

相关文章

• 非结构化数据解析2026：把PDF、邮件、HTML变成干净的RAG输入
• Windows本地LLM环境搭建完全教程：Ollama / LM Studio / GPT4All 三方案对比
• LLM PDF解析器：为什么你的RAG管道必须有它

❓ 常见问题

Why LangChain instead of building raw?

Components handle the fiddly parts (splitting, retrieval, prompt assembly); raw code is educational, LangChain is productive.

Which embedding model?

text-embedding-3-small is cheap and good enough; local users can use Ollama embeddings.

Does this work with scanned PDFs?

No - PyPDFLoader needs text; add OCR (pytesseract) for scans.

How accurate is it?

Depends on chunk quality and the LLM; the k=4 retrieval with source citations is the accuracy lever.