SimpleRAG：基于WPF与Semantic Kernel实现的一个简单的RAG应用
内容提要
SimpleRAG是一个基于WPF和Semantic Kernel的简单RAG应用，可用于学习如何构建RAG应用。它支持AI聊天和文本嵌入功能，并提供了简单的RAG回答效果。用户可以根据需要进行配置，如使用不同的对话模型和嵌入模型。
延伸解读
技术栈与运行环境
SimpleRAG基于WPF和Semantic Kernel构建，使用.NET 8和VS2022开发。WPF负责桌面界面，Semantic Kernel提供AI能力集成。这种组合适合Windows平台开发者学习RAG，但需注意项目仅支持Windows环境，且要求安装.NET 8 SDK。
配置灵活性与模型兼容性
应用通过appsettings.json配置ChatAI、Embedding和TextChunker，支持所有兼容OpenAI格式的大语言模型和嵌入模型。用户可自由更换在线模型，或使用Ollama本地模型实现离线场景。这种设计降低了学习门槛，但需自行准备API密钥或本地模型。
向量存储与数据管理
SimpleRAG使用Sqlite保存向量，数据库文件位于Debug文件夹下。Sqlite轻量且无需额外服务，适合本地学习和小规模数据。但需注意，向量数据存储在本地，若更换模型或调整切片参数，可能需要重新生成嵌入，否则影响检索效果。
学习定位与使用建议
该项目定位为学习工具，旨在帮助理解如何使用Semantic Kernel构建RAG应用。它提供了AI聊天、文本嵌入和简单RAG回答的完整示例，但功能相对基础。建议先运行示例，再逐步修改配置和代码，以掌握RAG流程。
Q&A
SimpleRAG是什么？
SimpleRAG是一个基于WPF与Semantic Kernel的简单RAG应用，用于学习如何构建RAG应用。
如何配置SimpleRAG的对话模型和嵌入模型？
用户需在appsettings.json文件中配置ChatAI用于对话模型，Embedding用于嵌入模型，TextChunker用于文档切片大小。
SimpleRAG支持哪些模型？
SimpleRAG支持所有兼容OpenAI格式的大语言模型和嵌入模型。
如何在本地运行SimpleRAG？
用户需将源码git clone到本地，并打开appsettings.example.json进行配置，然后运行项目。
SimpleRAG如何保存向量数据？
SimpleRAG使用Sqlite保存向量数据，数据库位于Debug文件夹下。
如果在使用SimpleRAG时遇到问题，我该如何寻求帮助？
用户可以通过公众号联系开发者以解决问题。
