云信AI部署

小白教程：零基础在Docker桌面版上用LangChain构建法律咨询机器人

云信安装大师
90
AI 质量分
27 4 月, 2025
2 分钟阅读
0 阅读

小白教程：零基础在Docker桌面版上用LangChain构建法律咨询机器人

引言

你是否想过自己开发一个智能法律咨询助手？本教程将带你从零开始，使用Docker和LangChain框架构建一个简单的法律问答机器人。无需担心复杂的配置，我们将使用Docker桌面版来简化环境搭建过程。

准备工作

在开始之前，请确保你的电脑上已经安装好以下软件：

  1. Docker Desktop（Windows/Mac均可）
  2. Python 3.8或更高版本
  3. 文本编辑器（如VS Code）

小贴士：Docker安装完成后，记得在设置中分配足够的资源（建议至少4GB内存）

第一步：设置Docker环境

首先，我们需要创建一个Python环境的Docker容器：

代码片段 
# 拉取官方Python镜像
docker pull python:3.9-slim

# 创建并运行容器，映射端口8888用于后续访问
docker run -it --name langchain-bot -p 8888:8888 -v $(pwd):/app python:3.9-slim bash

进入容器后，安装必要的依赖：

代码片段 
pip install langchain openai faiss-cpu tiktoken

注意：faiss-cpu是用于向量搜索的库，tiktoken是OpenAI的token计数器

第二步：准备法律知识库

我们需要一些基础法律知识作为机器人的训练数据。创建一个legal_knowledge.txt文件：

代码片段 
1. 《民法典》规定，合同成立需要要约和承诺两个要素。
2. 劳动合同试用期最长不得超过6个月。
3. 借款合同未约定利息的，视为无息借款。
4. 房屋租赁期限超过6个月的应当采用书面形式。
5. 消费者享有7天无理由退货的权利（特殊商品除外）。
...

第三步：编写LangChain应用代码

创建一个legal_bot.py文件：

代码片段 
from langchain.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter
from langchain.embeddings import OpenAIEmbeddings
from langchain.vectorstores import FAISS
from langchain.chains import RetrievalQA
from langchain.llms import OpenAI
import os

# 设置OpenAI API密钥（请替换成你自己的）
os.environ["OPENAI_API_KEY"] = "你的API密钥"

# 1. 加载法律知识文档
loader = TextLoader("legal_knowledge.txt")
documents = loader.load()

# 2. 分割文本为小块以便处理
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
texts = text_splitter.split_documents(documents)

# 3. 创建嵌入向量和向量存储
embeddings = OpenAIEmbeddings()
docsearch = FAISS.from_documents(texts, embeddings)

# 4. 创建检索式问答链
qa = RetrievalQA.from_chain_type(
    llm=OpenAI(),
    chain_type="stuff",
    retriever=docsearch.as_retriever()
)

# 5. 简单的交互循环
print("法律咨询机器人已启动！输入'退出'结束对话")
while True:
    query = input("\n你的法律问题: ")
    if query.lower() == '退出':
        break

    # 获取并显示回答
    result = qa.run(query)
    print(f"\n回答: {result}")

第四步：运行机器人

在Docker容器中执行：

代码片段 
python legal_bot.py

现在你可以尝试问一些简单的问题了，比如：
– “劳动合同试用期最长多久？”
– “借款合同没写利息怎么办？”

原理讲解

  1. 文本加载与分割：

    • TextLoader读取我们的法律知识文本文件
    • CharacterTextSplitter将大段文本分割成小块，便于后续处理

  2. 向量化与搜索：

    • OpenAIEmbeddings将文本转换为数值向量（每个词/句子变成一组数字）
    • FAISS创建高效的向量数据库，实现快速相似度搜索

  3. 问答系统：

    • RetrievalQA组合了检索和生成两个步骤：
      1) 从知识库中找到最相关的片段
      2) 让语言模型基于这些片段生成回答

进阶优化建议

  1. 增加更多法律知识：

    • 可以添加更多法律法规条文到knowledge.txt中

  2. 改进检索效果：

    代码片段 
    # 使用更好的文本分割方式
from langchain.text_splitter import RecursiveCharacterTextSplitter
text_splitter = RecursiveCharacterTextSplitter(
    chunk_size=1000,
    chunk_overlap=200,
    separators=["\n\n", "\n", "。", "！", "？"]
)

  3. 添加对话历史：

    代码片段 
    from langchain.memory import ConversationBufferMemory

memory = ConversationBufferMemory(memory_key="chat_history")
qa = RetrievalQA.from_chain_type(
    llm=OpenAI(),
    chain_type="stuff",
    retriever=docsearch.as_retriever(),
    memory=memory
)

Docker使用小技巧

  1. 保存容器状态：
    如果你不想每次重启都重新安装依赖：

    代码片段 
    docker commit langchain-bot my-langchain-image

  2. 后台运行：
    使用-d参数让容器在后台运行：

    代码片段 
    docker run -d --name my-bot -p 8888:8888 my-langchain-image python legal_bot.py

FAQ常见问题解决

Q: OpenAI API密钥如何获取？
A: https://platform.openai.com/api-keys (需要注册OpenAI账号)

Q: Docker容器无法启动怎么办？
A:
1. docker ps -a查看所有容器状态
2. docker logs <container_id>查看错误日志

Q: API调用超限错误？
A:

代码片段 
# legal_bot.py开头添加限流设置 
import openai 
openai.api_requestor.TIMEOUT_SECS =30 #延长超时时间

总结

通过本教程，你已经学会了：
✅ Docker的基本使用方法
✅ LangChain的核心组件和工作原理
✅ 如何构建一个简单的检索式问答系统

这个基础版本还可以进一步扩展为Web应用或接入更多法律服务API。希望这个项目能成为你学习AI应用开发的起点！

完整代码已上传GitHub：[示例仓库链接]（可以在这里放置你的实际仓库地址）

原创 高质量