交互式多模态信息检索系统

这是一个基于GME-Qwen2-VL大型视觉语言模型构建的交互式多模态信息检索系统。它支持对文本、图像以及图文混合内容进行统一的语义检索，并集成了基于GPT-4o的智能信息抽取和多维度评估功能。

主要功能

• 多模态数据管理: 支持添加纯文本、纯图像和图文结合的数据到数据库。
• 智能信息抽取: 在数据入库时，自动调用GPT-4o模型，从AI论文摘要等内容中提取结构化的核心信息（如模型名称、关键贡献等）。
• 多模态检索: 支持使用文本、图像或图文组合作为查询条件，返回图文并茂、并附带结构化信息卡片的结果。
• 可视化界面: 基于 Gradio 构建，操作直观方便。
• 向量化检索: 使用 ChromaDB 存储和检索由 GME-Qwen2-VL 模型生成的向量嵌入。
• 双维度准确率评估: 内置用户反馈功能，可分别对检索结果的相关性和抽取信息的准确性进行评价。

近期更新 (v2.0)

本次重大更新为系统引入了"理解与分析"的能力，核心内容如下：

1. 集成了基于GPT-4o的信息抽取功能:

   • 新增 openai_extractor.py: 专门用于调用大模型API，内置了包含Schema验证和重试机制的健壮逻辑。
   • 自动分析: 现在，当您在"Manage Data"页面添加一篇AI论文的摘要时，系统会自动调用GPT-4o，抽取出如"模型名称"、"主要贡献"、"使用的数据集"等关键信息点。
   • 结构化展示: 在搜索结果中，每一条目下方都会以清晰的卡片形式，展示其被自动抽取的结构化信息，极大提升了信息获取效率。

2. 新增了对信息抽取的评价体系:

   • 在原有的"检索结果相关性"评价之外，新增了一套独立的评价体系，用于评估"抽取信息是否准确"。
   • 两个评价体系的数据分别持久化存储在 search_feedback.json 和 extraction_feedback.json 文件中，互不干扰。

3. 增加了批量处理脚本:

   • import_data.py: 用于从一个大的JSON文件批量导入数据到系统中。
   • backfill_data.py: 一个支持并发和强制刷新功能的强大脚本，用于为数据库中所有已存在的"老数据"追补和更新其信息抽取结果。

技术栈

• 核心模型: Alibaba-NLP/gme-Qwen2-VL-7B-Instruct, gpt-4o-latest
• 后端框架: Gradio, PyTorch, Transformers, accelerate
• 向量数据库: ChromaDB
• 核心库: OpenAI, Pillow, Numpy

安装与配置

1. 克隆仓库

   # git clone <repository-url>
   # cd <repository-name>

2. 创建虚拟环境并安装依赖

   # 建议使用conda或venv创建虚拟环境
   # conda create -n rag_env python=3.10
   # conda activate rag_env
   pip install -r requirements.txt

3. 设置OpenAI API Key 信息抽取功能需要使用OpenAI的API。请在您的环境中设置环境变量：

   export OPENAI_API_KEY='your_openai_api_key'

   您也可以在 app.py 和 backfill_data.py 等文件的顶部直接修改API Key和Base URL。

4. 硬件要求

   • 本项目依赖 GmeQwen2-VL-7B-Instruct 模型，该模型参数量为70亿，推荐在高性能的NVIDIA GPU（例如 A100 / A800）上运行以获得最佳体验。

如何使用

1. 启动应用 在终端中运行以下命令：

   python app.py

2. 访问界面 程序启动后，会输出一个本地URL (通常是 http://127.0.0.1:10099 或 http://0.0.0.0:10099)。在浏览器中打开此地址即可访问系统。

3. 功能介绍

   • Manage Data: 添加新条目。系统会在后台自动为其提取结构化信息。
   • Search: 执行检索。结果将以图文和信息卡片的形式展示。在结果下方，您现在可以对"检索相关性"和"抽取准确性"进行双重评价。

项目结构

.
├── app.py # Gradio Web应用入口
├── retriever.py # 封装了GME-Qwen2-VL模型的检索逻辑
├── database.py # 封装了ChromaDB数据库操作
├── openai_extractor.py # 封装了调用GPT-4o进行信息抽取的逻辑
├── import_data.py # 批量导入数据的脚本
├── backfill_data.py # 为老数据追补信息抽取的脚本
├── requirements.txt # 项目依赖
├── data/ # (自动创建) 存储上传的原始图片
├── database/ # (自动创建) ChromaDB 持久化数据存储目录
├── search_feedback.json # (自动创建) 存储检索评价数据
├── extraction_feedback.json # (自动创建) 存储抽取评价数据
└── README.md # 本说明文件

演示效果

作者

• 唐梓楠 (2022211404)
• 连琎宇 (2022211394)