Adanvced Multidatabased RAG Chatbot

Advanced Rag Q & A -Anwendung mit Langchain

Überblick

Dieses Projekt zeigt die Erstellung einer Q & A -Anwendung (Advanced Abruf Augmented Generation) mit Langchain. Durch die Integration mehrerer Datenquellen - Wikipedia, einer benutzerdefinierten Website und einer Research Paper -Datenbank (Rive) - bietet diese Anwendung umfassende Antworten, indem die relevanteste Datenquelle für jede Abfrage dynamisch ausgewählt wird.

Highlights

• Integration mehrerer Datenquellen : Erstellt Wrapper für Wikipedia, eine benutzerdefinierte Website und Rive, wodurch die Interaktion mit diesen Quellen als verschiedene Einheiten ermöglicht wird.
• Langchain -Agenten : Verwendet Langchain -Agenten, um das entsprechende Tool dynamisch basierend auf Benutzeranfragen auszuwählen.
• Kombinieren Tools : Kombiniert mehrere Tools mithilfe von Python in einer einzigen Liste und verbindet sie mit dem ausgewählten LLM -Modell über create_openai_tool_agent .
• Eingabeaufforderung Vorlagen : Verwenden Sie Eingabeaufentwicklungsvorlagen aus Langchains Hub, um LLM -Interaktionen zu leiten.
• Agentenausführung : Führen Sie den Agenten und die Tools mit agent_executor aus, um Informationen abzurufen und umfassende Antworten bereitzustellen.

Installation

1. Klonen Sie das Repository :

   git clone https://github.com/your-repo/advanced-rag-qa-app.git
   cd advanced-rag-qa-app

2. Installieren Sie Abhängigkeiten : PIP Install -r -Anforderungen.txt
3. Umgebungsvariablen einrichten : Erstellen Sie eine .env -Datei im Stammverzeichnis und fügen Sie die folgenden Variablen hinzu:
   • Openai_api_key = your_openai_api_key
   • Wikipedia_api_key = your_wikipedia_api_key
   • Custom_website_url = your_custom_website_url

Nutzung Führen Sie die Anwendung aus: Streamlit run app.py

Interagieren Sie mit der Anwendung : Öffnen Sie die bereitgestellte URL in Ihrem Browser, um mit der Abfrage der RAG -Q & A -Anwendung zu beginnen.

Projektstruktur

app.py: Hauptskript zum Ausführen der Streamlit -App.

config.py: Konfigurationseinstellungen und Umgebungsvariablen.

Langchain_utils.py: Dienstprogrammfunktionen für die Integration von Langchain.

Data_Sources/: Enthält Wrapper für Wikipedia, benutzerdefinierte Website und Rive.

Vorlagen/: Eingabeaufforderung Vorlagen, die zur Führung von LLM -Interaktionen verwendet werden.

Anforderungen.txt: Liste der Python -Abhängigkeiten.

Wenn Sie einen Beitrag zu diesem Projekt leisten möchten, geben Sie bitte das Repository ein und senden Sie eine Pull -Anfrage mit Ihren Änderungen.