contract qa high precision rag

Kontrak Penasihat Rag: Membangun Aplikasi LLM Ahli Legal Presisi Tinggi

Perkenalan

Proyek ini berfokus pada pembangunan alat analisis kontrak presisi tinggi menggunakan pengambilan augmented generasi (RAG). Pendekatan ini memanfaatkan kekuatan model bahasa besar (LLM) untuk mengambil informasi yang relevan dari sumber pengetahuan eksternal, dalam hal ini, kontrak hukum. Tujuannya adalah untuk membuat sistem yang dapat secara akurat dan efisien menjawab pertanyaan tentang konten kontrak, bertindak sebagai asisten hukum virtual.

Daftar isi

1. Fitur utama
2. Struktur proyek
3. Memulai
4. Instalasi
5. Penggunaan
6. Pengujian
7. Berkontribusi
8. Lisensi
9. Kontak

Fitur utama

• Kerangka kerja RAG : memanfaatkan kerangka kerja Langchain untuk mengintegrasikan LLM dengan data kontrak dengan mulus.
• Model OpenAI GPT : Memanfaatkan model GPT Openai untuk pemahaman dan generasi bahasa alami.
• Integrasi Autogen : Integrasi dengan Microsoft Autogen untuk membuat agen AI percakapan untuk pengalaman pengguna yang lebih interaktif.
• Antarmuka Web : Menyediakan antarmuka web yang ramah pengguna bagi pengguna untuk berinteraksi dengan sistem dan mengajukan pertanyaan tentang konten kontrak.
• FastAPI Backend : Menggunakan FASTAPI untuk membuat server backend berkinerja tinggi untuk menangani permintaan pengguna menggunakan menggunakan websockets dan memungkinkan interaksi dengan pipa kain.
• Database Vektor : Menggunakan database vektor (misalnya, Chroma) untuk menyimpan dan mengambil informasi kontrak secara efisien.
• Pengambilan Multi-Query : Menghasilkan beberapa variasi kueri untuk meningkatkan peluang menemukan informasi yang relevan.
• Peringkat ulang : Mempekerjakan mekanisme peringkat ulang untuk memprioritaskan informasi yang paling relevan secara kontekstual.
• Evaluasi Menggunakan Ragas : Termasuk pipa evaluasi yang kuat menggunakan metrik seperti akurasi, relevansi, dan waktu respons untuk menilai dan meningkatkan kinerja.

Struktur proyek

 project_root/
├── .github/         # GitHub Actions workflows
├── frontend/        # React frontend code
├── backend/         # FastAPI backend code
├── src/             # Source code for RAG pipeline, utils, etc.
├── tests/           # Unit and integration tests
├── README.md        # This file
└── requirements.txt # Project dependencies

Memulai

Prasyarat

• Python 3.9+
• Pip
• Node.js v18+
• NPM - Untuk memasang dependensi frontend

1. Klone repo ini

 git clone [email protected]:hillaryke/contract-qa-high-precision-rag.git
cd contract-qa-high-precision-rag

2. Konfigurasikan lingkungan

Tambahkan openai_api_key Anda ke file .env di direktori root proyek.

Instalasi

1. Pasang dependensi

 pip install -r requirements.txt

Penggunaan

1. Mulai server FastAPI

Jalankan perintah untuk memulai server FASTAPI:

 make run-server

Server akan mulai di http: // localhost: 8000/

2. Mulai frontend bereaksi

 make run-frontend

Di browser Anda akses aplikasi Frontend dari http: // localhost: 3000/

Pengujian

1. Jalankan tes

Untuk menjalankan tes, gunakan perintah berikut:

 make test

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi untuk detailnya.

Kontak

Untuk pertanyaan atau dukungan, silakan hubungi saya melalui email Hillary K ..

Menikmati!