Adanvced Multidatabased RAG Chatbot

Aplicación avanzada de preguntas y respuestas de trapo con Langchain

Descripción general

Este proyecto demuestra la creación de una aplicación de preguntas y respuestas de generación de recuperación avanzada (RAG) utilizando Langchain. Al integrar múltiples fuentes de datos (Wikipedia, un sitio web personalizado y una base de datos de documentos de investigación (Rive), esta aplicación proporciona respuestas completas seleccionando dinámicamente la fuente de datos más relevante para cada consulta.

Reflejos

• Integración de múltiples fuentes de datos : Crea envolturas para Wikipedia, un sitio web personalizado y Rive, lo que permite la interacción con estas fuentes como entidades distintas.
• Agentes de Langchain : utiliza agentes Langchain para seleccionar dinámicamente la herramienta apropiada basada en consultas de usuario.
• Herramientas de combinación : combina múltiples herramientas en una sola lista usando Python y las conecta con el modelo LLM elegido a través de create_openai_tool_agent .
• Plantillas de inmediato : utiliza plantillas de inmediato desde el centro de Langchain para guiar las interacciones LLM.
• Ejecución del agente : ejecute el agente y las herramientas utilizando agent_executor para recuperar información y proporcionar respuestas completas.

Instalación

1. Clon el repositorio :

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

2. Instalación de dependencias : requisitos de instalación de PIP.txt
3. Configurar variables de entorno : cree un archivo .env en el directorio raíz y agregue las siguientes variables:
   • OpenAI_API_KEY = Your_openai_api_Key
   • Wikipedia_api_key = your_wikipedia_api_key
   • Custom_website_url = your_custom_website_url

Uso Ejecute la aplicación: Streamlit Ejecutar App.py

Interactuar con la aplicación : abra la URL proporcionada en su navegador para comenzar a consultar la aplicación de preguntas y respuestas de RAG.

Estructura de proyectos

App.py: Script principal para ejecutar la aplicación Streamlit.

config.py: configuración de configuración y variables de entorno.

langchain_utils.py: funciones de utilidad para la integración de langchain.

data_sources/: contiene envoltorios para wikipedia, sitio web personalizado y rive.

Plantillas/: Plantillas de inmediato utilizadas para guiar las interacciones LLM.

requisitos.txt: lista de dependencias de Python.

Contribuyendo Si desea contribuir a este proyecto, desembolse el repositorio y envíe una solicitud de extracción con sus cambios.