Adanvced Multidatabased RAG Chatbot

Application Advanced Rag Q&R avec Langchain

Aperçu

Ce projet démontre la création d'une application de questions-réponses de génération augmentée (RAG) de récupération avancée avancée utilisant Langchain. En intégrant plusieurs sources de données - Wikipedia, un site Web personnalisé et une base de données de documents de recherche (RIVE) - cette application fournit des réponses complètes en sélectionnant dynamiquement la source de données la plus pertinente pour chaque requête.

Points forts

• L'intégration de plusieurs sources de données : crée des emballages pour Wikipedia, un site Web personnalisé et Rive, permettant une interaction avec ces sources en tant qu'entités distinctes.
• Agents de Langchain : utilise des agents de Langchain pour sélectionner dynamiquement l'outil approprié en fonction des requêtes utilisateur.
• Combinaison d'outils : combine plusieurs outils en une seule liste à l'aide de Python et les connecte avec le modèle LLM choisi via create_openai_tool_agent .
• Modèles rapides : utilise des modèles rapides du hub de Langchain pour guider les interactions LLM.
• Exécution de l'agent : exécute l'agent et les outils à l'aide agent_executor pour récupérer des informations et fournir des réponses complètes.

Installation

1. Clone le référentiel :

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

2. Installer les dépendances : PIP Install -R exigences.txt
3. Configurer des variables d'environnement : créez un fichier .env dans le répertoire racine et ajoutez les variables suivantes:
   • Openai_api_key = your_openai_api_key
   • Wikipedia_api_key = your_wikipedia_api_key
   • Custom_website_url = your_custom_website_url

Utilisation Exécuter l'application: Streamlit Run App.py

Interagissez avec l'application : ouvrez l'URL fournie dans votre navigateur pour commencer à interroger l'application RAG Q&A.

Structure du projet

app.py: script principal pour exécuter l'application Streamlit.

config.py: paramètres de configuration et variables d'environnement.

Langchain_utils.py: fonctions utilitaires pour l'intégration de Langchain.

DATA_SOURCES /: Contient des emballages pour Wikipedia, un site Web personnalisé et Rive.

Modèles /: modèles rapides utilisés pour guider les interactions LLM.

exigences.txt: liste des dépendances Python.

Contribuant si vous souhaitez contribuer à ce projet, veuillez débarquer le référentiel et soumettre une demande de traction avec vos modifications.