rag with knowledge base management Télécharger - rag with knowledge base management Code source de gestion

rag with knowledge base management

Autre code source

1.0.0

Télécharger

Rag-avec-connaissance-base de gestion

Application RAG (récupération-génération) intégrée à un assistant vocal et un système de gestion de la base de connaissances.

Table des matières

Introduction
Prévisualisation
Déploiement
Technologies
- Lubriole
- Modèles Openai
- Magasin de vecteur Deeplake
- Apifier
- Rationaliser
Installation et utilisation locales
Clés API
Licence
Références

Introduction

Cette application intègre un modèle RAG (récupération-génération) avec un assistant vocal, permettant aux utilisateurs d'interagir avec le système via une entrée vocale ou de texte. De plus, il comprend un système de gestion de la base de connaissances, permettant aux utilisateurs d'ajouter, d'afficher et de supprimer les documents utilisés par le modèle RAG via URL.

Prévisualisation

Rag-with-Knowledge-Base-Management-720.mp4

Déploiement

L'application est déployée sur partage de rationalisation et est accessible à l'URL suivante:

https://rag-with-knowledge-base-management.streamlit.app

Technologies

Lubriole

Langchain est un cadre conçu pour créer des applications qui tirent parti des modèles de langage. Il fournit des outils pour connecter des modèles de langage aux sources de données externes, permettant des interactions plus complexes et contextuelles.

Modèles Openai

L'application utilise plusieurs modèles OpenAI pour fournir des capacités de conversation et une récupération de documents:

Modèle de chat ( par défaut: gpt-3.5-turbo ) pour générer des réponses en fonction des requêtes utilisateur et du contexte de conversation précédent.
API Whisper ( par défaut: whisper-1 ) pour la reconnaissance de la parole automatique pour transcrire les entrées audio des utilisateurs.

De plus, Cohere re-Ranker ( par défaut: rerank-english-v2.0 ) pour améliorer la pertinence des documents récupérés en les reconstituant en fonction de leur pertinence pour la requête.

Magasin de vecteur Deeplake

Deeplake est utilisé comme magasin vectoriel pour stocker et récupérer des intégres de documents. Il facilite la recherche et la récupération efficaces de similitudes des documents pertinents de la base de connaissances.

Apifier

Apify est une plate-forme de grattage et d'automatisation Web qui permet l'extraction des données des sites Web. Il est utilisé pour gratter les documents des URL fournis par les utilisateurs et les stocker dans la base de connaissances.

Rationaliser

Streamlit est un cadre d'applications open source qui permet la création d'applications Web personnalisées pour l'apprentissage automatique et les projets de science des données avec un minimum d'effort. Il est utilisé ici pour créer l'interface utilisateur de l'application.

Installation et utilisation locales

Pour installer l'application localement, vous devez installer Docker sur votre machine. Ensuite, exécutez les commandes suivantes:

Construisez l'image Docker:

docker build -t rag-with-knowledge-base-management .

Exécutez le conteneur Docker:

docker run -p 8501:8501 rag-with-knowledge-base-management

L'application doit désormais être accessible sur http: // localhost: 8501.

Clés API

Veuillez vous assurer d'ajouter vos clés API au fichier .env avant d'exécuter l'application. Les touches suivantes à l'intérieur .env.example doivent être remplies: