Adanvced Multidatabased RAG Chatbot

Langchain을 사용한 Advanced Rag Q & A 응용 프로그램

개요

이 프로젝트는 Langchain을 사용한 고급 검색 증강 생성 (RAG) Q & A 응용 프로그램의 생성을 보여줍니다. 여러 데이터 소스 (Wikipedia, 사용자 정의 웹 사이트 및 RIVE)를 통합 함으로써이 응용 프로그램은 각 쿼리에 대해 가장 관련성이 높은 데이터 소스를 동적으로 선택하여 포괄적 인 답변을 제공합니다.

하이라이트

• 여러 데이터 소스의 통합 : 사용자 정의 웹 사이트 인 Wikipedia 용 랩퍼를 생성하고 Rive를 생성하여 이러한 소스와 별개의 엔티티와 상호 작용을 가능하게합니다.
• Langchain 에이전트 : Langchain 에이전트를 사용하여 사용자 쿼리를 기반으로 적절한 도구를 동적으로 선택합니다.
• 도구 결합 : Python을 사용하여 여러 도구를 단일 목록으로 결합하고 create_openai_tool_agent 통해 선택한 LLM 모델과 연결합니다.
• 프롬프트 템플릿 : Langchain의 허브에서 프롬프트 템플릿을 사용하여 LLM 상호 작용을 안내합니다.
• 에이전트 실행 : agent_executor 사용하여 에이전트 및 도구를 실행하여 정보를 검색하고 포괄적 인 응답을 제공합니다.

설치

1. 저장소 복제 :

   git clone https://github.com/your-repo/advanced-rag-qa-app.git
   cd advanced-rag-qa-app

2. 설치 종속성 : PIP 설치 -R 요구 사항 .txt
3. 환경 변수 설정 : 루트 디렉토리에서 .env 파일을 만들고 다음 변수를 추가하십시오.
   • openai_api_key = your_openai_api_key
   • wikipedia_api_key = your_wikipedia_api_key
   • custom_website_url = your_custom_website_url

사용법 실행 응용 프로그램 : lemlit run app.py

응용 프로그램과 상호 작용하십시오 : 브라우저에서 제공된 URL을 열어 Rag Q & A 응용 프로그램 쿼리를 시작하십시오.

프로젝트 구조

app.py : 유선형 앱을 실행하려는 기본 스크립트.

config.py : 구성 설정 및 환경 변수.

Langchain_utils.py : Langchain 통합을위한 유틸리티 기능.

Data_Sources/: Wikipedia 용 포장지, 사용자 정의 웹 사이트 및 Rive가 포함되어 있습니다.

템플릿/: LLM 상호 작용을 안내하는 데 사용되는 프롬프트 템플릿.

요구 사항 .txt : 파이썬 종속성 목록.

기고이 프로젝트에 기여하고 싶다면 저장소를 포크하고 변경 요청을 제출하십시오.