RAG QnA App

Application RAG Q&A?

Cette application de questions / réponses RAG (Retrieval-Augment Generation) permet aux utilisateurs de télécharger un document et de l'interroger pour des réponses pertinentes. Les utilisateurs peuvent saisir leur touche API OpenAI, télécharger un document (PDF ou fichier texte) et poser des questions liées au contenu du document. L'application générera des réponses en fonction du document téléchargé à l'aide des modèles de langue d'OpenAI.

Clause de non-responsabilité

Il s'agit d'une implémentation très basique d'un système de génération (RAG) (RAG) de la récupération. En tant que tels, il peut avoir des limites à gérer des documents complexes ou à répondre aux requêtes nuancées. Les versions futures peuvent inclure un traitement amélioré de documents, une meilleure gestion des requêtes et plus encore. Veuillez utiliser l'outil en conséquence et équitablement.

Caractéristiques

• Téléchargement du document : prend en charge les téléchargements PDF et fichiers texte.
• Intégration de l'API OpenAI : les utilisateurs peuvent saisir leur propre touche API OpenAI pour générer des réponses.
• Interactive Q&R : permet aux utilisateurs de poser des questions sur le contenu du document téléchargé et de recevoir des réponses pertinentes.

Configuration et installation

Condition préalable

• Python 3.8 ou plus
• Git (facultatif si le téléchargement directement)
• Une clé API OpenAI (requise pour interroger le document)

Usage

1. Entrez votre touche API OpenAI (obligatoire) : l'application nécessite une touche API OpenAI pour générer des réponses. Entrez votre touche dans le champ de saisie fourni au début. Si vous n'avez pas de clé API OpenAI, créez-en un.

2. Téléchargez un document : cliquez sur le bouton Télécharger pour sélectionner un document (PDF ou fichier texte). L'application traitera le contenu de l'interrogation.

3. Posez des questions : entrez votre question dans la zone de requête liée au contenu du document téléchargé. L'application générera et affichera des réponses pertinentes en fonction du contenu du document.

Structure de fichiers

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

Remerciements

• Rationaliser pour le cadre interactif de l'application.
• OpenIA pour fournir l'API et les modèles de langue.
• Langchain pour améliorer les capacités de traitement des documents et de récupération.

---