PWC RAG

コード付きの論文のぼろきれ

コードを使用した論文のRAGは、ボタンを押すだけで大量のML研究をスキャンする簡単な方法です。大量の情報を簡単に採掘するRAGシステム。あなたはそれに自然言語であなたの質問をするので、それはコード付きの論文で見つけた関連する論文に従って答えます。

バックエンド側では、システムには、ハギングフェイスにBGEモデルを使用している埋め込みのために、アップスタッシュと呼ばれるスケーラブルなサーバーレスベクトルデータベースに依存する検索拡張生成（RAG）フレームワークで駆動されます。

フロントエンド側では、このアシスタントは、Streamlitで構築されたインタラクティブで簡単に展開可能なWebアプリケーションに統合されます。

要件

• Huggingface APIトークン
• アップスタッシュアカウント
• インデックスを作成した後、URLとトークンをアップスタッシュします

複製する手順

1. レポをクローンします

     git clone https://github.com/wittyicon29/PWC-RAG.git

2. ワークスペースディレクトリに移動します

     cd PWC-RAG

3. Vector DBへのインデックスデータへのインデックス作成最初に、UpStashでインデックスを作成し、 .envファイルの資格情報を入力する必要があります。

    UPSTASH_URL=...
    UPSTASH_TOKEN=...
   

   次のコマンドを実行します。

     python -m src.index_papers --query " Mistral " --limit 200

   「ミストラル」クエリに一致する200のチャンクをインデックス化する結果。

   

   

4. Remollitアプリケーションをローカルで実行します

   Streamlitアプリを実行する前に、 '.env'ファイルにHuggingface APIトークンを設定する必要があります。

     HUGGINGFACE_API_TOKEN=...

   これで、Restrylitアプリができます

     python -m streamlit run  src/app.py

   

メモ

• Langchainがサポートする任意の埋め込みモデルを使用できます
• ラグシステムを評価するために、LangchainでさまざまなLLMを試すことができます
• このアプリは、DockerまたはRiremlit Cloudを使用してGoogleクラウドに展開する準備ができています。

参照

PaperSwithCodeとチャットするためにLLM駆動のアプリを構築する方法