RAG QnA App

¿Aplicación de preguntas y respuestas de trapos?

Esta aplicación de preguntas y respuestas de RAG (Generación de recuperación de recuperación) permite a los usuarios cargar un documento y consultarlo para obtener respuestas relevantes. Los usuarios pueden ingresar su clave API OpenAI, cargar un documento (PDF o archivo de texto) y hacer preguntas relacionadas con el contenido del documento. La aplicación generará respuestas basadas en el documento cargado utilizando los modelos de idioma de OpenAI.

Descargo de responsabilidad

Esta es una implementación muy básica de un sistema de generación acuático (RAG) de recuperación. Como tal, puede tener limitaciones en el manejo de documentos complejos o responder consultas matizadas. Las versiones futuras pueden incluir un procesamiento de documentos mejorado, un mejor manejo de consultas y más. Utilice la herramienta en consecuencia y de manera justa.

Características

• Carga de documentos : admite cargas de archivos PDF y de texto.
• Integración de la API de OpenAI : los usuarios pueden ingresar su propia clave API Operai para generar respuestas.
• Preguntas y respuestas interactivas : permite a los usuarios hacer preguntas sobre el contenido del documento cargado y recibir respuestas relevantes.

Configuración e instalación

Requisitos previos

• Python 3.8 o superior
• Git (opcional si se carga directamente)
• Una clave API de OpenAI (requerida para consultar el documento)

Uso

1. Ingrese su clave API OpenAI (obligatoria) : la aplicación requiere una clave API de OpenAI para generar respuestas. Ingrese su clave en el campo de entrada proporcionado al inicio. Si no tiene una tecla API de OpenAI, cree una.

2. Cargue un documento : haga clic en el botón Cargar para seleccionar un documento (PDF o archivo de texto). La aplicación procesará el contenido para consultar.

3. Haga preguntas : ingrese su pregunta en el cuadro de consulta relacionado con el contenido del documento cargado. La aplicación generará y mostrará respuestas relevantes basadas en el contenido del documento.

Estructura de archivo

 RAG_Project
│
├── app.py                # Main Streamlit application
├── requirements.txt      # List of dependencies
└── README.md             # Documentation for the app (this file)

Expresiones de gratitud

• Apreciar para el marco de aplicaciones interactivas.
• OpenAi para proporcionar los modelos API y idiomas.
• Langchain para mejorar el procesamiento de documentos y las capacidades de recuperación.

---