RAG Enhanced NCERT Tutor

NCERTブックラグシステム

このプロジェクトは、テキストの埋め込みおよびベクターデータベースにOllamaを使用して、NCERTブック用の検索された生成（RAG）システム、および言語モデル応答にGROQ APIを実装しています。

特徴

• ベクトル埋め込みを作成するために、Ollamaを介してNOMICテキスト埋め込みモデルを使用します
• Chromadbに埋め込みを保存します
• 応答を生成するために、llama 3 8bモデルでGROQ APIを利用します
• ユーザーインタラクション用のFastAPIバックエンドと合理的なフロントエンドを提供します

流線インターフェイス

以下は、NCERTブックラグシステム用のretrylitインターフェイスのスクリーンショットです。

システムアーキテクチャ

NCERT Books Rag System Architectureの概要は次のとおりです。

システムアーキテクチャは、次のコンポーネントで構成されています。

1. データの摂取：NCERTブックは、埋め込みのために処理され、準備されています。
2. 埋め込み生成：NOMICテキスト埋め込みモデルを備えたOllamaは、処理されたテキストのベクトル埋め込みを作成します。
3. ベクトルストレージ：ChromaDBは、生成された埋め込みを効率的に検索するために保存します。
4. クエリ処理：ユーザークエリが処理され、関連する埋め込みがChromaDBから取得されます。
5. 言語モデル：llama 3 8bモデルを備えたGROQ APIは、取得されたコンテキストとユーザークエリに基づいて応答を生成します。
6. バックエンド：Fastapiは、フロントエンドとさまざまなシステムコンポーネント間の通信を処理します。
7. FrontEnd ：Streamlitは、システムをクエリして結果を表示するためのインタラクティブなユーザーインターフェイスを提供します。

前提条件

開始する前に、次の要件を満たしていることを確認してください。

• Python 3.7+
• Ollamaがインストールされ、セットアップされました
• GROQ APIアカウントとAPIキー

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/yourusername/ncert-rag-system.git
   cd ncert-rag-system
   

2. 必要な依存関係をインストールします。

    pip install -r requirements.txt
   

3. オラマをダウンロードしてセットアップします：

   • Ollamaの公式ウェブサイトの指示に従ってOllamaをインストールする
   • NOMICテキスト埋め込みモデルをダウンロードしてください。

      ollama pull nomic-embed-text
     

4. GROQ APIキーを設定します：

   • プロジェクトルートに.envファイルを作成します
   • GROQ APIキーを追加します：

      GROQ_API_KEY=your_api_key_here
     

使用法

1. Fastapiバックエンドを開始します：

    uvicorn main:app --reload
   

2. RimeLittUIを起動します：

    streamlit run streamlit_app.py
   

3. Webブラウザを開き、RimeLitアプリURLに移動します（通常はhttp://localhost:8501 ）

4. インターフェイスを使用して、NCERTブックラグシステムと対話する

ラグ評価

ライセンス

このプロジェクトは、MITライセンスに基づいて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。

貢献

貢献は大歓迎です！プルリクエストをお気軽に送信してください。

謝辞

• 埋め込みモデルを提供するためのオラマ
• LLM APIのGROQ
• FastapiとBackendおよびFrontendフレームワーク用の流線