RAG Framework

Rag-FRAMEWORK

Kerangka kerja Python untuk mengimplementasikan generasi pengambilan (RAG) menggunakan database vektor-store. Kerangka kerja ini menggunakan repositori vektor-store untuk menyimpan dan mengambil embeddings untuk implementasi kain yang efektif.

Struktur

• Main.py - Kerangka pipa pipa kain utama, memproses input dan mengatur aliran kain.
• LLM.PY - Modul yang berinteraksi dengan Google Gemini API, mensimulasikan model bahasa besar (LLM) untuk menghasilkan respons.
• get_embedding.py - skrip untuk menghasilkan embeddings dari file .txt menggunakan model steCetRansformer.
• comm-vectorstore.py - Modul komunikasi yang mengunggah embedding ke toko vektor untuk penyimpanan dan pengambilan.

Penggunaan

1. Kloning repositori toko vektor dan atur sesuai dengan instruksi.
2. Konfigurasikan main.py dan get_embedding.py untuk menggunakan database vektor-store Anda.
3. Jalankan main.py untuk mengeksekusi pipa kain dengan teks input apa pun.

Persyaratan

• Python 3.x
• Transformer kalimat - untuk menghasilkan embeddings teks
• NLTK - Untuk Tokenisasi Kalimat
• Kredensial API Google Gemini untuk llm.py (atau LLM API yang kompatibel untuk inferensi)

Instalasi

pip install -r requirements.txt