Chat Ai

Chat-ai

CHAT-AI LLM Powered Advanced Chat App

Eine fortgeschrittene Abruf-Chat-Anwendung (RAG-Antrieb), mit der Benutzer mithilfe von LLMs mit verschiedenen Dateitypen interagieren können. Es unterstützt nahtlose Kommunikation mit Dokumenten wie PDFS, DOCX, TXT und CSV und bietet genaue Antworten basierend auf Dateiinhalten.

Tech Stack verwendet

Backend

• Python, Fastapi, Sqlalchemy, Langchain

Datenbank

• Postgres (SQL)

Vektorstore

• QDrant-Vektor

Installation

 # Clone the repo
$ git clone https://github.com/saurabh-kud/Chat-Ai


# Setting Up ENV
> setup .env file for database and llm

APP_NAME= " CHAT AI "
APP_VERSION=0.0.1
APP_HOST = " 0.0.0.0 "
PORT=8000
PYTHON_ENV=development
DOCS_ENABLED=True

GOOGLE_API_KEY=AI ****************** ohd
OPENAI_API_KEY=sk- ************************** Prx

POSTGRES_USER=postgres
POSTGRES_PASSWORD=123456


# Install Virtual Env
$ pip install virtualenv

# Create Virtual Environment
$ py -3 -m venv v_env

# Activate Virtual Env [Windows]
$ . v _env S cripts a ctivate

# Activate Virtual Env [Linux]
$ source v_env/bin/activate

# go to working directory
$ cd backend

# Install dependencies
$ pip install -r requirements.txt

# NOTE- if you are not running through docker then you have to run you psql server and qdrant-db seperately
$ docker run -p 6333:6333 qdrant/qdrant --name qdrant-db

# Migrate Using Alembic
$ alembic upgrade head

# Start server
$ uvicorn app.main:app

# Access
$ http://localhost: ${PORT} /api/docs

# Using Docker
$ docker compose -f docker-compose.yml -p chatai-stack up -d --build --force-recreate --remove-orphans

# Access
$ http://localhost: ${PORT} /api/docs

# Access your app
$ http://localhost: ${PORT}

Autor

? Saurabh Kumar

• Github: @saurabh-kud
• LinkedIn: @saurabh-kud

---

Lizenz

© Saurabh Kumar | MIT