Retrieval Augmented Generation Engine with LangChain and Streamlit

Récupération du moteur de génération augmentée à l'aide de Langchain, rational et pinone

Application d'accès sur la plate-forme cloud Streamlit

Aperçu

Le moteur augmenté de récupération (RAG) est un outil puissant pour la récupération de documents, la résumé et les réponses interactives. Ce projet utilise Langchain, Streamlit et PineCone pour fournir une application Web transparente aux utilisateurs pour effectuer ces tâches. Avec RAG, vous pouvez facilement télécharger plusieurs documents PDF, générer des incorporations vectorielles pour le texte dans ces documents et effectuer des interactions conversationnelles avec les documents. L'historique du chat est également connu pour une expérience plus interactive.

Caractéristiques

• APPLICATION Web STAILLIT : Le projet est construit à l'aide de Streamlit, fournissant une interface Web intuitive et interactive pour les utilisateurs.
• Champs d'entrée : les utilisateurs peuvent saisir des informations d'identification essentielles comme la touche API OpenAI et la clé API PineCone via des champs d'entrée dédiés.
• Téléchargeur de documents : les utilisateurs peuvent télécharger plusieurs fichiers PDF, qui sont ensuite traités pour une analyse plus approfondie.
• Division des documents : les PDF téléchargés sont divisés en morceaux de texte plus petits, assurant une compatibilité avec des modèles avec des limites de jeton.
• Embeddings vectoriels : les morceaux de texte sont convertis en incorporations vectorielles, ce qui facilite l'exécution des tâches de récupération et de questionnement.
• Stockage vectoriel flexible : vous pouvez choisir de stocker des intégres vectoriels soit dans Pinecone ou dans un magasin vectoriel local, offrant une flexibilité et un contrôle.
• Conversations interactives : les utilisateurs peuvent engager des conversations interactives avec les documents, poser des questions et recevoir des réponses. L'historique de chat est conservé pour référence.

Condition préalable

Avant d'exécuter le projet, assurez-vous d'avoir les conditions suivantes:

• Python 3.7+
• Lubriole
• Rationaliser
• Pignon
• Une clé API Openai
• Documents PDF à télécharger

Usage

1. Clone le référentiel de votre machine locale:

   git clone https://github.com/mirabdullahyaser/Retrieval-Augmented-Generation-Engine-with-LangChain-and-Streamlit.git
   cd Retrieval-Augmented-Generation-Engine-with-LangChain-and-Streamlit

2. Installez les dépendances requises en fonctionnant:

   pip install -r requirements.txt

3. Exécutez l'application Streamlit:

   streamlit run src/rag_engine.py

4. Accédez à l'application en ouvrant un navigateur Web et en naviguant vers l'URL fournie.

5. Entrez votre touche API Openai, votre clé API PineCone, votre environnement de poireau et le nom d'index de poireau dans les champs respectifs. Vous pouvez les fournir soit dans la barre latérale de la demande, soit les placer dans le fichier secrets.toml dans le répertoire .streamlit

6. Téléchargez les documents PDF que vous souhaitez analyser.

7. Cliquez sur le bouton "Soumettre Documents" pour traiter les documents et générer des incorporations vectorielles.

8. Engagez des conversations interactives avec les documents en tapant vos questions dans la zone d'entrée de chat.

Contributeurs

Mir Abdullah Yaser

Contact

Si vous avez des questions, des suggestions ou souhaitez discuter davantage de ce projet, n'hésitez pas à me contacter:

• E-mail
• Liendin

Je suis ouvert à la collaboration et je serais heureux de se connecter!