LangGraphRAG

langgraphrag

Langgraphragは、Langgraphを使用して実装されたターミナルベースの検索充電（RAG）システムです。アーキテクチャは、ベクトルデータベースからのメッセージ履歴キャッシュ、クエリ変換、およびドキュメント取得を含む一連のプロセスを通じてそれらをルーティングすることにより、クエリを処理するように設計されています。

プロジェクト構造

プロジェクトはいくつかのモジュールに分かれており、それぞれが特定の機能を担当します。

1. アーキテクチャ：RAGシステムの流れを定義します。
2. データ：データファイルとモデルが含まれています。
3. モジュール：コアロジックと関数を収容します。

セットアップ手順

これらの手順に従って、プロジェクトを設定して実行します。

1. リポジトリをクローンします：

   git clone https://github.com/ranguy9304/LangGraphRAG.git
   cd LangGraphRAG

2. 仮想環境を作成します：

   python3.12 -m venv venv
   source venv/bin/activate  # On Windows use `venvScriptsactivate`

3. 要件をインストールします：

   pip install -r requirements.txt
   choco install wkhtmltopdf

4. 環境変数を構成します：

   • 環境のサンプルファイルをコピーします。

     cp .env.example .env

   • .envファイルを変更してGPTキーを追加します。

      OPENAI_API_KEY = your_gpt_key_here

   • WebページのURLを追加するWebページを使用している場合（見積なしでコンマを分離してください）：

      URLS = url1,url2

   • GET_WEB_PAGES_TO_PDFをtrueに設定しますwebページをダウンロードする場合はfalse：

      GET_WEB_PAGES_TO_PDF = False
     

   • CONVERT_PDF_TO_MD既にpdfがfalseを持っている場合はtrueに設定します。

      CONVERT_PDF_TO_MD = True
     

   • PDFドキュメントを使用している場合、それらをINTERMEDIATE_PDF_DIRで使用されるパスに直接保存します
   • .mdドキュメントを使用している場合、それらをDATA_DIRで使用しているパスに直接保存します

5. セットアップドキュメント：ルートディレクトリの実行から

   python modules/processDocs.py

   これにより、Webページとドキュメントがセットアップされます。ニーズに応じて、.envでドキュメント処理パラメーターを変更することを忘れないでください。

6. メインプログラムを実行します：

   python main.py

使用法

• システムは、異なるプロセスを通じてそれらをルーティングすることにより、クエリを処理します。
• ランググラフを使用して、モジュール間のフローと相互作用を管理します。

図

ベクトルDB作成

ラグアーキテクチャ

貢献

リポジトリをフォークし、プルリクエストを送信してください。大きな変更については、問題を開いて、変更したいことを議論してください。

ライセンス

mit