contract qa high precision rag

مستشار العقد RAG: بناء تطبيق LLM خبير قانوني عالي الدقة

مقدمة

يركز هذا المشروع على بناء أداة تحليل عقد عالية الدقة باستخدام الجيل المعزز للاسترجاع (RAG). يستفيد هذا النهج من قوة نماذج اللغة الكبيرة (LLMS) لاسترداد المعلومات ذات الصلة من مصادر المعرفة الخارجية ، في هذه الحالة ، العقود القانونية. الهدف من ذلك هو إنشاء نظام يمكنه الإجابة بدقة وكفاءة على أسئلة حول محتوى العقد ، ويعمل كمساعد قانوني افتراضي.

جدول المحتويات

1. الميزات الرئيسية
2. هيكل المشروع
3. ابدء
4. تثبيت
5. الاستخدام
6. الاختبار
7. المساهمة
8. رخصة
9. اتصال

الميزات الرئيسية

• Rag Framework : يستفيد من إطار Langchain لدمج LLMs بسلاسة مع بيانات العقد.
• نماذج Openai GPT : تستخدم نماذج GPT من Openai لفهم اللغة الطبيعية وتوليدها.
• تكامل Autogen : التكامل مع Microsoft Autogen لإنشاء وكلاء الذكاء الاصطناعي للمحادثة لتجربة مستخدم أكثر تفاعلية.
• واجهة الويب : توفر واجهة ويب سهلة الاستخدام للمستخدمين للتفاعل مع النظام وطرح أسئلة حول محتوى العقد.
• Fastapi Backend : يستخدم Fastapi لإنشاء خادم خلفي عالي الأداء للتعامل مع طلبات المستخدم باستخدام استخدام WebSockets والسماح للتفاعل مع خط أنابيب RAG.
• قاعدة بيانات المتجهات : توظف قاعدة بيانات متجه (على سبيل المثال ، Chroma) لتخزين واسترداد معلومات العقد بكفاءة.
• استرجاع متعددة : يولد اختلافات استعلام متعددة لتحسين فرص العثور على المعلومات ذات الصلة.
• إعادة التصنيف : توظف آليات إعادة التصنيف لتحديد أولويات المعلومات الأكثر صلة بالسياق.
• التقييم باستخدام Ragas : يتضمن خط أنابيب تقييم قوي باستخدام مقاييس مثل الدقة والأهمية ووقت الاستجابة لتقييم الأداء وتحسينه.

هيكل المشروع

 project_root/
├── .github/         # GitHub Actions workflows
├── frontend/        # React frontend code
├── backend/         # FastAPI backend code
├── src/             # Source code for RAG pipeline, utils, etc.
├── tests/           # Unit and integration tests
├── README.md        # This file
└── requirements.txt # Project dependencies

ابدء

المتطلبات الأساسية

• بيثون 3.9+
• pip
• node.js v18+
• NPM - لتثبيت التبعيات الواجهة الأمامية

1. استنساخ هذا الريبو

 git clone [email protected]:hillaryke/contract-qa-high-precision-rag.git
cd contract-qa-high-precision-rag

2. تكوين البيئة

أضف OpenAI_API_KEY إلى ملف .env في دليل جذر المشروع.

تثبيت

1. تثبيت التبعيات

 pip install -r requirements.txt

الاستخدام

1. ابدأ خادم Fastapi

قم بتشغيل الأمر لبدء خادم Fastapi:

 make run-server

سيبدأ الخادم في http: // localhost: 8000/

2. ابدأ الواجهة الأمامية رد الفعل

 make run-frontend

في متصفحك ، الوصول إلى تطبيق الواجهة الأمامية من http: // localhost: 3000/

الاختبار

1. إجراء اختبارات

لتشغيل الاختبارات ، استخدم الأمر التالي:

 make test

رخصة

تم ترخيص هذا المشروع بموجب ترخيص معهد ماساتشوستس للتكنولوجيا - راجع ملف الترخيص للحصول على التفاصيل.

اتصال

للحصول على أي أسئلة أو دعم ، يرجى الاتصال بي من خلال البريد الإلكتروني Hillary K ..

يتمتع!