space/README.md

metadata

title: SCUT-SS 课程资料检索
emoji: 📚
colorFrom: blue
colorTo: indigo
sdk: static
pinned: false
short_description: 华南理工软件学院课程资料浏览器端检索（无需本地模型）

SCUT-SS 课程资料检索（RAG Demo）

一个完全静态的检索演示：所有索引与检索都在浏览器里跑，不需要服务器、不需要本地模型。 数据来自 SCUT-SS 数据集（华南理工大学软件学院课程复习资料，2386 个片段）： https://huggingface.co/datasets/NoahIsARider/SCUT-SS

怎么用

1. 打开页面后自动加载同目录的 chunks.jsonl 并建立索引（约 1–3 秒）。
2. 输入问题 → 得到带来源链接的原文片段。
3. 两种用法：
   • 纯检索：直接看片段，点「原文 ↗」回飞书核对。
   • 让云端模型回答：在下方填 Base URL / 模型 / API Key（只存在你本机浏览器）， 点「向模型提问」，模型会只依据检索到的资料作答并标注来源。
   • 不想配 Key：点「复制上下文」，粘给任意聊天模型或 IDE 里的 AI。

部署 / 复制给自己用

HF 现在只提供静态托管，本 Space 用 sdk: static，因此没有任何后端：

# 1) 把本目录内容放到 Space 仓库根目录（index.html 必须在根）
cp space/index.html space/README.md <space-repo>/
cp data/dataset/chunks.jsonl <space-repo>/     # 数据随 Space 一起托管，离线可用
# 2) git push 即可
# 3) 别人点 Duplicate this Space 就能拿到一份自己的副本

想让 Space 始终用数据集仓库里的最新数据，在页面的「数据来源」里填：

https://huggingface.co/datasets/NoahIsARider/SCUT-SS/resolve/main/data/dataset/chunks.jsonl

（需要该数据集仓库公开，且允许跨域读取。）

实现说明

• 索引：字符 bigram TF-IDF（df ≥ 2，sublinear tf，L2 归一化），倒排表 + Float32Array， 2386 个片段建索引约 1–3 秒，单次检索毫秒级。
• 检索结果按课程可筛选，附 path / section / 原飞书 url。
• 云端模型调用走浏览器直连 OpenAI 兼容 /chat/completions； 若厂商未开放 CORS，页面会提示改用「复制上下文」。