需在内网部署本地问答系统：用conda创建python 3.10环境，安装coze sdk 0.4.2；支持csv术语表、pdf文本分段（≤380字）、api动态注入三种知识库构建方式；配置ollama运行qwen2:7b-instruct模型，启动bot_server.py即可提供服务。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在内网环境部署一个能回答行业术语、内部流程、产品参数等专属问题的问答系统，不依赖公网大模型API，所有数据和推理都在本地完成。
准备本地运行环境
安装Conda并创建Python 3.10独立环境，避免与系统已有包冲突；这一步必须做，否则后续模型加载会因torch版本不兼容直接报错。
运行 conda create -n coze-local python=3.10 → conda activate coze-local。
用pip install -r requirements.txt 安装扣子（Coze）官方SDK 0.4.2版及配套依赖，【必须指定SDK版本，新版已移除本地Bot运行接口】。
构建行业知识库
方法一：结构化导入
将Excel中的标准术语表（含“术语”“定义”“适用场景”三列）另存为UTF-8编码CSV，拖入coze-kb-importer工具目录，执行python import_csv.py --file term_glossary.csv。
方法二：非结构化切片
把PDF格式的《XX行业合规白皮书》用pdfplumber提取纯文本，按段落分割（空行分隔），每段控制在380字以内；超过长度的段落会被向量模型截断，导致关键条件丢失。
方法三：动态注入
启动本地Bot服务后，调用POST /v1/kb/entry/add接口，JSON体中传入"content":"客户合同审批需经法务+财务双签"，【content字段不能含换行符，否则入库失败且无报错提示】。
配置本地Bot服务
第一步：修改config.yaml
将model_provider设为ollama，model_name设为qwen2:7b-instruct，base_url填http://127.0.0.1:11434/api/chat。
第二步：启动Ollama服务
终端执行ollama serve → 新开窗口运行ollama pull qwen2:7b-instruct → 等待下载完成（约12分钟，进度条卡在99%是正常现象）。
第三步：运行Bot核心
执行python bot_server.py，看到控制台输出“Local Bot listening on http://0.0.0.0:5000”即启动成功。这一步操作起来很简单，直接把文件拖进去就行。
