QnA With RAG

QNA-With-RAG

? 프로젝트 설명

QNA-With-RAG는 채팅 중에 LLMS (Large Language Models)의 컨텍스트로 텍스트 문서를 컨텍스트로 변환하는 풀 스택 응용 프로그램입니다. 문서를 쉽게 추가하고 삭제하고 여러 지식 기반을 만들 수 있습니다.

목적과 목표

이 프로젝트는 OpenAI API를 사용하여 생산 준비 챗봇을 만드는 것을 목표로합니다. 기능을 향상시키기 위해 VectordB와 Langsmith를 통합합니다.

사용 된 기술

특징

• 텍스트 파일로 채팅하십시오
• 스트리밍 채팅
• 여러 텍스트 파일을 업로드하십시오
• 벡터 DB 유지 (파일 추가/삭제)
• ChromADB의 정적 API 토큰 인증
• 여러 지식 기반을 만듭니다

앱 흐름

? 데모

여기에서 응용 프로그램의 데모를보십시오.

미래 개발

향후 업데이트에는 다음이 포함됩니다.

• React.js 프론트 엔드 통합
• 향상된 ChromADB 기능 (필터링, 검색)
• 챗봇의 메모리 기능

▶ ️ 설치 및 설정

1. 저장소를 복제하십시오

   git clone [email protected]:Ja-yy/QnA-With-RAG.git

2. 환경 변수를 설정합니다

   다음 내용으로 .env 파일을 만듭니다.

    OPENAI_API_KEY='<your_open_ai_key>'
   EMBEDDING_MODEL='text-embedding-ada-002'
   CHAT_MODEL='gpt-3.5-turbo'
   TEMPERATURE=0
   MAX_RETRIES=2
   REQUEST_TIMEOUT=15
   
   CHROMADB_HOST="chromadb"
   CHROMADB_PORT="8000"
   
   CHROMA_SERVER_AUTH_CREDENTIALS="<test-token>"
   CHROMA_SERVER_AUTH_CREDENTIALS_PROVIDER="chromadb.auth.token.TokenConfigServerAuthCredentialsProvider"
   CHROMA_SERVER_AUTH_PROVIDER="chromadb.auth.token.TokenAuthServerProvider"
   CHROMA_SERVER_AUTH_TOKEN_TRANSPORT_HEADER="AUTHORIZATION"
   

3. 응용 프로그램을 빌드하고 실행하십시오

   다음 명령을 실행하십시오.

   docker-compose up -d --build

4. 응용 프로그램에 액세스하십시오

   웹 브라우저를 열고 LocalHost로 이동하여 앱 사용을 시작하십시오.

5. nginx 구성

   • NGINX는 리버스 프록시 역할을합니다.
   • 최적의 성능을 위해 Nginx 구성 파일이 nginx 디렉토리에 올바르게 설정되어 있는지 확인하십시오.

? 자주 묻는 질문

• 문제가 발생하면 어떻게해야합니까?

  • 문제 해결을 위해 docker-compose logs 사용하여 로그를 확인하십시오.

• 어떻게 기여할 수 있습니까?

  • GitHub에서 문제를 열거 나 풀 요청을 제출하십시오!

앱 사용을 즐기십시오! :)