RagDocs

ragdocs

Ragdocs 는 문서와 상호 작용하는 방법에 혁명을 일으키는 최첨단 오픈 소스 솔루션입니다. 로컬 LLM 의 힘을 최첨단 검색된 검색 세대 (RAG) 와 결합함으로써 개발자는 API 비용없이 문서에서 정확한 답변을 즉시 얻을 수 있습니다.

값 비싼 API 전화 및 개인 정보 보호 문제에 작별 인사를하십시오. Ragdocs를 사용하면 모든 문서가 비공개로 유지하면서 Chatgpt와 같은 상호 작용을 제공합니다. Milvus Vector Search 및 Next.js로 제작 된이 제품은 제작 준비가되어 있으며 배포하기 쉽습니다. 완전한 데이터 프라이버시 및 사용 비용없이 문서 검색의 미래를 경험하십시오.

rag.demo.1.mp4

? 특징

• ? 지능형 채팅 인터페이스 : 기술 문서에 맞게 대화하는 인터페이스.
• ? 최첨단 검색 강화 생성 : 정확하고 상황 인식 응답.
• ? 지역 LLM 지원 : 개인 정보 및 효율성을 위해 Ollama와 통합.
• Milvus에 의해 구동되는 벡터 검색 : 신속하고 확장 가능한 문서 쿼리.
• Modern Next.js Frontend : 매끄럽고 실시간 사용자 경험.
• 다중 문서 지원 : 다양한 기술 스택의 원활한 처리.
• ⚡ 빠른 문서 처리 : 효율적인 섭취 및 업데이트 분석.
• 증분 업데이트 : 문서를 쉽게 동기화하십시오.

---

건축학

 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

---

시작하기

전제 조건

• 파이썬 3.12+
• node.js 20.17.0
• 밀버 2.0+
• Ollama (지역 LLM 지원)

NVM 으로 node.js를 설치하십시오.

nvm install 20.17.0
nvm use 20.17.0

---

설치

1. 저장소 복제 :

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

2. 파이썬 종속성 설치 :

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

# Install project dependencies
poetry install
poetry shell

주요 종속성 :

• 라마-인덱스 : 0.11.22
• Fastapi : 0.115.4
• Milvus-Lite : 2.4.10
• 문장 변환 자 : 2.7.0
• 토치 : 2.5.1

3. 프론트 엔드 종속성 설치 :

 cd ragdocs_frontend
yarn

4. 환경 변수 설정 :

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

5. Milvus 시작 :

 cd milvus
bash standalone_embed.sh start

6. 백엔드 실행 :

poetry run uvicorn ragdocs_api.conversation_api:app --reload

7. 프론트 엔드 실행 :

 cd ragdocs_frontend
yarn dev

---

용법

1. 설명서 추가 : data/ 의 각 폴더에 파일을 배치하십시오.
2. 채팅 시작 : 프론트 엔드를 사용하여 채팅하고 문서를 탐색하십시오.
3. 기술 스택 비교 : 분석을 위해 내장 비교 기능을 활용하십시오.

---

? 구성

주요 설정에 대한 .env.local 파일 편집 :

 MILVUS_HOST = localhost
MILVUS_PORT = 19530
OLLAMA_MODEL = llama3.2 

---

? 기여

기부금이 권장됩니다! 다음 단계를 따르십시오.

1. 저장소를 포크하십시오.
2. 기능 분기 생성 :

git checkout -b feature/AmazingFeature

3. 변경 사항을 커밋하십시오 :

git commit -m ' Add some AmazingFeature '

4. 지점 밀기 :

git push origin feature/AmazingFeature

5. 풀 요청을 엽니 다.

---

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다. 자세한 내용은 라이센스 파일을 참조하십시오.

---

감사의 말

• Vercel AI Chatbot- 프론트 엔드에 대한 템플릿 영감.
• llamaindex- 강화 래그 기능.
• MILVUS- 효율적인 벡터 검색 백엔드.
• Ollama- 지역 LLM 지원.

---

지원하다

이 프로젝트가 귀하의 작업에 가치를 더하면 별을주십시오!

귀하의 지원은 차이를 만들고 추가 개발을 장려합니다. 피드백과 기능 제안은 항상 환영합니다!