RagDocs

ラグドクス

Ragdocsは、ドキュメントとの対話方法に革命をもたらす最先端のオープンソースソリューションです。ローカルLLMのパワーを最先端の検索上昇した世代（RAG）と組み合わせることにより、開発者はAPIコストなしでドキュメントから即座に正確な回答を得ることができます。

高価なAPI通話とプライバシーの懸念に別れを告げます。 Ragdocsを使用すると、すべてのドキュメントはChatGptのような相互作用を提供しながら、プライベートなままです。 Milvus Vector Searchとnext.jsで構築され、生産対応で展開しやすいです。完全なデータプライバシーと使用料のないドキュメント検索の将来を体験してください。

rag.demo.1.mp4

？特徴

• ？インテリジェントなチャットインターフェイス：技術文書に合わせた会話インターフェイス。
• ？最先端の検索拡張生成：正確でコンテキスト対応の応答。
• ？ローカルLLMサポート：プライバシーと効率のためにオラマと統合されています。
• Milvusを搭載したベクトル検索：迅速かつスケーラブルなドキュメントクエリ。
• Modern Next.js Frontend ：洗練されたリアルタイムユーザーエクスペリエンス。
• マルチドキュメントサポート：多様な技術スタックのシームレスな取り扱い。
• fast高速ドキュメント処理：更新の効率的な摂取と分析。
• インクリメンタル更新：ドキュメントを簡単に同期させます。

---

建築

 ragdocs/
├── data/                         # Documentation storage
│   ├── milvus_docs/              # Milvus documentation
│   ├── qdrant_docs/              # Qdrant documentation
│   └── weaviate_docs/            # Weaviate documentation
├── milvus/                       # Milvus standalone setup
│   └── standalone_embed.sh       # Milvus standalone script
├── ragdocs_api/                  # FastAPI backend
│   ├── conversation_api.py       # Chat API endpoints
│   ├── file_tracker.py           # Document change tracking
│   ├── llm_provider.py           # LLM integration (Ollama)
│   ├── markdown_processor.py     # Markdown processing
│   └── rag_system.py             # Core RAG implementation
└── ragdocs_frontend/             # Next.js frontend
    └── src/                      # Frontend source code

---

はじめる

前提条件

• Python 3.12+
• node.js 20.17.0
• Milvus 2.0+
• オラマ（ローカルLLMサポート用）

nvmにnode.jsをインストールしてください：

nvm install 20.17.0
nvm use 20.17.0

---

インストール

1. リポジトリをクローンします：

git clone https://github.com/AlexisBalayre/RagDocs.git
cd RagDocs

2. Python依存関係をインストールします：

 # Install poetry if not already installed
curl -sSL https://install.python-poetry.org | python3 -

# Install project dependencies
poetry install
poetry shell

重要な依存関係：

• llama-index：0.11.22
• FASTAPI：0.115.4
• Milvus-Lite：2.4.10
• 文の変換器：2.7.0
• トーチ：2.5.1

3. フロントエンド依存関係をインストールします：

 cd ragdocs_frontend
yarn

4. 環境変数の設定：

cp example.env.local .env.local
# Edit .env.local with your configuration

5. Milvusを開始：

 cd milvus
bash standalone_embed.sh start

6. バックエンドを実行します：

poetry run uvicorn ragdocs_api.conversation_api:app --reload

7. フロントエンドを実行します：

 cd ragdocs_frontend
yarn dev

---

使用法

1. ドキュメントの追加： data/の下のそれぞれのフォルダーにファイルを配置します。
2. チャットを開始：フロントエンドを使用してドキュメントとチャットして検討します。
3. 技術スタックの比較：分析のために組み込みの比較機能を活用します。

---

？構成

キー設定の.env.localファイルを編集します。

 MILVUS_HOST = localhost
MILVUS_PORT = 19530
OLLAMA_MODEL = llama3.2 

---

？貢献

貢献が奨励されています！次の手順に従ってください：

1. リポジトリをフォークします。
2. 機能ブランチを作成します。

git checkout -b feature/AmazingFeature

3. あなたの変更をコミットします：

git commit -m ' Add some AmazingFeature '

4. 枝を押してください：

git push origin feature/AmazingFeature

5. プルリクエストを開きます。

---

ライセンス

このプロジェクトは、MITライセンスの下でライセンスされています。詳細については、ライセンスファイルを参照してください。

---

謝辞

• Vercel AIチャットボット - フロントエンドのテンプレートインスピレーション。
• llamaindex -Rag機能の動力。
• Milvus-効率的なベクトル検索バックエンド。
• Ollama-ローカルLLMサポート。

---

サポート

このプロジェクトがあなたの仕事に価値を追加した場合は、星を与えてください！

あなたのサポートは違いをもたらし、さらなる発展を促進します。フィードバックと機能の提案はいつでも大歓迎です！