政府文档智能问答新范式：南非预算RAG聊天机器人技术解析

本文介绍了基于检索增强生成（RAG）技术的南非国家预算文档问答系统，该系统解决了普通用户查询复杂政府预算PDF文档的难题，支持跨年度预算对比等功能，技术栈包括ChromaDB、LangChain、LLaMA 3等，为政府文档智能问答提供了新范式。

在政务透明度需求下，南非预算文档多为数百页PDF，非专业人士难以提取信息。该项目通过RAG技术搭建智能桥梁，让用户能用自然语言查询2023-2026年预算文档，解决传统查询的痛点。

系统采用经典RAG架构，流程为：PyPDF加载PDF→智能分块→Sentence Transformers生成嵌入→存储到ChromaDB；推理时先语义检索相关片段，再结合LLaMA3生成回答。关键组件包括LangChain（构建管道）、ChromaDB（轻量向量库）、Sentence Transformers（嵌入模型）、Groq平台的LLaMA3（生成能力）。

支持跨年度预算对比（如教育支出变化）、VAT政策追踪、资金分配分析（基础设施/医疗/教育等）、预算趋势总结。适用于记者、研究人员、政策分析师及普通公民，比人工翻阅PDF更高效。

代码模块化设计：src/chain.py（主RAG管道）、src/ingest.py（PDF处理）、src/vectorstore.py（嵌入与向量库）、src/llm.py（LLM调用）；data/存原始PDF，db/存向量库；用python-dotenv管理Groq API密钥，避免硬编码。

部署步骤：克隆仓库→创建虚拟环境→安装依赖→放置PDF到data/→配置Groq API密钥→运行python -m src.chain启动交互界面。首次运行自动构建向量索引，后续查询快速。

该方案通用性强，可适配其他领域文档（如企业财报、法律条文）；为开发者提供完整RAG参考，为政府提升政务透明度提供思路；未来可扩展多语言支持、表格处理、引用溯源、Web界面等功能。