我用 RAG + DeepSeek 复习考研英语,真题语境再也不愁了
- 2026-09-21 06:11:10
由此引出我一个想法：能不能做一个工具，输入单词，自动从历年真题中找出相关句子，并生成我们需要的解析？
单纯让大模型直接解释单词，它可能会编例句，而且不一定贴合考研风格。所以我用了RAG（检索增强生成）的思路：
先把所有真题切成小段落，存成一个“语料库”
查单词时，先从语料库里找出最相关的3段真题原文
再把这几段原文喂给AI，让它根据真实语境生成解析
这样一来，它给出的每条例句都有出处，不是凭空捏造的。
三、工具
因为是自己简单使用，所以配置要求不那么高；
文档解析：python-docx，直接读真题的Word文件
向量数据库：ChromaDB，轻量，不用安装服务器
Embedding模型：all-MiniLM-L6-v2，本地加载，不联网也能用
大语言模型：DeepSeek API，便宜，中文效果好
编程工具：Trae，输入自然语言，就可以编程
全部加起来，一台8G无显卡的普通笔记本足够应付。
四、建库
1. 数据准备
整理了2010–2026年英语一、英语二的真题（完形、阅读、翻译、新题型、写作）
写脚本自动去掉答案、题号、多余空格
按段落切分，最终得到 有效语料
用Embedding模型转成向量，存入ChromaDB
2. 查询：检索 + 生成
输入单词 → 向量检索最相关的3条真题段落
把这3条段落作为上下文，发给DeepSeek
强制输出固定格式：
英汉双译（按考研常考义项分条）
考研考察点（常考义/干扰义/固定搭配）
4条例句（3条真题句带出处 + 1条仿真句）
3. 交互与数据管理
支持交互模式，连续查单词
自动保存查询历史到JSON
可导出Excel，单元格内换行，方便打印复习
五、效果
Word 文档格式不统一 → 写正则清洗；
ChromaDB 默认 embedding 模型需要下载 → 换成本地 sentence-transformers；
API 返回格式不固定 → 用系统 prompt 严格约束 JSON/纯文本格式。
目前效果：已能稳定生成单词解析，节约了自己查词典的时间。
未来可能增加：真题词频统计、生词本、按年份筛选等。
如果你也对这类小工具感兴趣，欢迎交流。
