Retrieval Augmented Generation Engine with LangChain and Streamlit

Langchain, Streamlit 및 & Pinecone을 사용하여 증강 증강 생성 엔진

간소 클라우드 플랫폼에서 응용 프로그램에 액세스하십시오

개요

검색 증강 엔진 (RAG)은 문서 검색, 요약 및 대화식 질문 응답을위한 강력한 도구입니다. 이 프로젝트는 Langchain, Sleamlit 및 Pinecone을 사용하여 사용자가 이러한 작업을 수행 할 수있는 완벽한 웹 응용 프로그램을 제공합니다. RAG를 사용하면 여러 PDF 문서를 쉽게 업로드하고 이러한 문서 내에서 텍스트에 대한 벡터 임베드를 생성하며 문서와의 대화 상호 작용을 수행 할 수 있습니다. 채팅 기록은 또한보다 대화 형 경험을 위해 기억됩니다.

특징

• 간소성 웹 앱 :이 프로젝트는 Sleamlit을 사용하여 구축되어 사용자에게 직관적이고 대화식 웹 인터페이스를 제공합니다.
• 입력 필드 : 사용자는 전용 입력 필드를 통해 OpenAI API 키 및 Pinecone API 키와 같은 필수 자격 증명을 입력 할 수 있습니다.
• 문서 업 로더 : 사용자는 여러 PDF 파일을 업로드 한 다음 추가 분석을 위해 처리됩니다.
• 문서 분할 : 업로드 된 PDF는 작은 텍스트 청크로 분할되어 토큰 제한이있는 모델과의 호환성을 보장합니다.
• 벡터 임베딩 : 텍스트 청크는 벡터 임베딩으로 변환되어 검색 및 질문 응답 작업을보다 쉽게 ​​수행 할 수 있습니다.
• Flexible Vector Storage : 벡터 임베딩을 Pinecone 또는 로컬 벡터 스토어에 저장하여 유연성과 제어를 제공 할 수 있습니다.
• 대화식 대화 : 사용자는 문서와 대화식 대화를하고 질문을하고 답변을받을 수 있습니다. 채팅 기록은 참조를 위해 보존됩니다.

전제 조건

프로젝트를 실행하기 전에 다음과 같은 전제 조건이 있는지 확인하십시오.

• 파이썬 3.7+
• 랭케인
• 간소
• 피네콘
• OpenAI API 키
• 업로드 할 PDF 문서

용법

1. 리포지토리를 로컬 컴퓨터로 복제하십시오.

   git clone https://github.com/mirabdullahyaser/Retrieval-Augmented-Generation-Engine-with-LangChain-and-Streamlit.git
   cd Retrieval-Augmented-Generation-Engine-with-LangChain-and-Streamlit

2. 실행하여 필요한 종속성을 설치하십시오.

   pip install -r requirements.txt

3. 간단한 앱 실행 :

   streamlit run src/rag_engine.py

4. 웹 브라우저를 열고 제공된 URL로 탐색하여 앱에 액세스하십시오.

5. 각 필드에서 OpenAI API 키, PENECONE API 키, PENECONE 환경 및 PENECONE 인덱스 이름을 입력하십시오. 응용 프로그램의 사이드 바에 제공하거나 .Streamlit 디렉토리의 비밀 에 배치 할 수 있습니다.

6. 분석하려는 PDF 문서를 업로드하십시오.

7. "문서 제출"버튼을 클릭하여 문서를 처리하고 벡터 임베딩을 생성합니다.

8. 채팅 입력 상자에 질문을 입력하여 문서와 대화식 대화에 참여하십시오.

기고자

미르 압둘라 야저

연락하다

질문, 제안이 있거나이 프로젝트에 대해 더 자세히 논의하고 싶다면 언제든지 연락하십시오.

• 이메일
• LinkedIn

나는 협업에 열려 있고 연결되어 기뻐할 것입니다!