Autism RAG

Autism RAG

一个关于自闭症的聊天机器人，它在已存储的向量数据库里找出相关段落，再交给小型语言模型来回答。适合研究检索式对话的开发者和学生。

由 Shriharshan 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是一个用检索增强生成做的、关于自闭症的聊天机器人。上下文检索器在已存储的向量数据库里查找段落，小型指令模型再根据找到的内容写出回复。仓库里有数据库文件夹和应用代码。

适合谁：想要一个紧凑的检索式聊天示例的开发者和学生，以及想了解面向某个主题的助手是怎么搭起来的人。

Industry | Who uses it | How they use it | Example
软件 | RAG 开发者 | 研究检索器加重排序器加小模型的组合 | 阅读 app.py，看各部分如何连接
教育 | 自然语言处理的学生 | 看检索如何为聊天回答提供材料 | 问一个问题，把回答与主题对照
研究 | 信息研究者 | 测试主题聊天机器人如何回应 | 围绕同一主题试几个问题
健康信息 | 好奇的读者 | 询问有关自闭症的一般性问题 | 输入一个问题，阅读回复

如果你需要有关某个人护理的建议，聊天机器人不是获得它的地方。

用在哪里：它可以在两个地方运行。

• 网页浏览器，在 Hugging Face 上的 Space 页面打开，无需安装任何东西
• Windows、macOS 或 Linux 上的本地副本，需要 Python

Use case | Who | What they get back
提问 | 读者 | 根据检索到的段落写出的回复
研究检索器 | 开发者 | 聊天页面背后有向量数据库的一个示例
运行自己的副本 | 开发者 | 在自己电脑上运行同样的聊天机器人

如何设置：在线使用什么都不用准备。本地副本需要几样东西。

• Python 和 pip
• requirements.txt 里列出的包
• 仓库自带的 VectorDB 文件夹

1. 安装 Hugging Face 工具。
2. 把这个 Space 下载到一个文件夹。
3. 进入该文件夹。
4. 安装 Gradio 和 requirements.txt 里的包。
5. 启动应用。

pip install -U huggingface_hub
hf download Shriharshan/Autism-RAG --repo-type space --local-dir Autism-RAG
cd Autism-RAG
pip install gradio==5.23.1
pip install -r requirements.txt
python app.py

如何使用：打开 Space 页面，在聊天框里输入一个关于自闭症的问题。回复会出现在同一个聊天里。在本地副本里运行 python app.py，就能在自己的电脑上得到同样的页面。

示例：你向聊天机器人问一个关于自闭症的一般性问题。它在数据库里查找相关段落，然后小模型根据这些段落写出回答。

新手与专家：检索式聊天机器人在回答之前先查资料，这让回复更贴近它存储的材料。先问一个简单的问题，看看它怎么回答。

这个 Space 提到三个模型。BGE M3 模型很可能是嵌入模型，BGE reranker v2 M3 模型负责给找到的段落重新排序，SmolLM2 360M Instruct 模型负责写出回答。存储的向量放在 VectorDB 文件夹里。

你在聊天里输入问题
检索器搜索向量数据库
重排序器给找到的段落排序
小模型写出回答

注意事项：README 只有一行，所以资料来源、日期和回答质量都没有说明。

• License: MIT
• Cost to run: 没有提到
• Data it reaches: 你输入的问题和它 VectorDB 文件夹里的文件
• Not for: 有关某个人护理的建议，README 没有提供这类内容

Hugging Face 上的数据（2026年11月13日）

• 点赞：3
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/Shriharshan/Autism-RAG
• 文件：https://huggingface.co/spaces/Shriharshan/Autism-RAG/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。