矿大历史智能问答助手：一个自建知识库 + 网络搜索的混合型 AI 助理

1. 启动对话循环
2. 用户输入问题
   ├─ 优先从本地知识库中检索答案
   │   └─ 若能回答，则由 GPT 润色为“适合人类阅读的回答”
   └─ 若本地无结果，则使用网络搜索：
       ├─ 通过 SerpAPI 查询
       ├─ GPT 提炼整合搜索结果
       └─ 若 SerpAPI 无结果，交由 ChatGPT 直接回答

# 初始化：加载本地文档或向量数据库
if not os.path.exists(vectorstore_dir):
    documents = load_documents(data_folder)
    vectorstore = build_vectorstore(documents)
else:
    vectorstore = load_vectorstore()

# 构建问答链：基于向量数据库的检索增强生成（RAG）
retriever = vectorstore.as_retriever()
qa_chain = RetrievalQA.from_chain_type(
    llm=ChatOpenAI(model_name='gemini-2.0-flash-thinking-exp-01-21', temperature=0),
    chain_type="stuff",
    retriever=retriever
)

# 配置 SerpAPI 网络搜索工具
search = SerpAPIWrapper()
tools = [
    Tool(
        name="Search",
        func=search.run,
        description="Use this tool to search the internet when the answer is not in the local knowledge base."
    )
]

# 初始化代理智能体（Agent），具备调用外部工具与语言模型的能力
agent = initialize_agent(
    tools,
    OpenAI(temperature=0.7),
    agent="chat-zero-shot-react-description",
    verbose=True
)

# 对话主循环
while True:
    query = input("请您提问:（输入quit退出程序） ")
    if query.lower() in ['exit', 'quit']:
        break

    # 优先使用本地知识库
    result = qa_chain.run(query)
    if result.strip() and "我不知道" not in result.lower():
        print(f"矿大历史智能助手: （知识库）{result}")
        refined_result = agent.run(f"请将以下搜索结果润色为适合人类阅读的答案：\n{result}")
        print(refined_result)
    else:
        print("矿大历史智能助手：我将会从互联网上搜索答案。")
        search_result = search.run(query)
        if search_result.strip():
            refined_result = agent.run(
                f"请将以下搜索结果润色为适合人类阅读的答案：\n{search_result}"
            )
            print(f"矿大历史智能助手: （网络搜索并润色）{refined_result}")
        else:
            print("矿大历史智能助手：在网络上未能找到相关信息。我将使用chatgpt模型提供一个答案。")
            chatgpt_answer = agent.run(query)
            print(f"矿大历史智能助手: {chatgpt_answer}")