rag with knowledge base management
1.0.0
RAG (geração de recuperação de recuperação) App integrado a um assistente de voz e sistema de gerenciamento de base de conhecimento.
Este aplicativo integra um modelo RAG (geração de recuperação de recuperação) com um assistente de voz, permitindo que os usuários interajam com o sistema via entrada de voz ou texto. Além disso, inclui um sistema de gerenciamento de base de conhecimento, permitindo que os usuários adicionem, visualizem e excluam documentos usados pelo modelo RAG via URLs.
O aplicativo é implantado em compartilhamento de streamlit e pode ser acessado no seguinte URL:
Langchain é uma estrutura projetada para criar aplicativos que aproveitam os modelos de linguagem. Ele fornece ferramentas para conectar modelos de linguagem a fontes de dados externas, permitindo interações mais complexas e contextuais.
O aplicativo usa vários modelos Openai para fornecer recursos de conversação e recuperar o documento:
gpt-3.5-turbo ) para gerar respostas com base nas consultas do usuário e no contexto anterior da conversa.whisper-1 ) para o reconhecimento automático de fala para transcrever entradas de áudio dos usuários. Além disso, o co-ranker Cohere ( Padrão: rerank-english-v2.0 ) para melhorar a relevância dos documentos recuperados, re-ranking-os com base em sua relevância para a consulta.
O DEEPLAKE é usado como uma loja de vetores para armazenar e recuperar incorporações de documentos. Ele facilita a pesquisa eficiente de pesquisa de similaridade e recuperação de documentos relevantes da base de conhecimento.
O Apify é uma plataforma de raspagem e automação da Web que permite a extração de dados dos sites. É usado para raspar documentos dos URLs fornecidos pelos usuários e armazená -los na base de conhecimento.
O Streamlit é uma estrutura de aplicativos de código aberto que permite a criação de aplicativos da Web personalizados para aprendizado de máquina e projetos de ciência de dados com um esforço mínimo. É usado aqui para criar a interface do usuário do aplicativo.
Para instalar o aplicativo localmente, você precisa instalar o Docker em sua máquina. Em seguida, execute os seguintes comandos:
docker build -t rag-with-knowledge-base-management .docker run -p 8501:8501 rag-with-knowledge-base-managementO aplicativo agora deve estar acessível em http: // localhost: 8501.
Certifique -se de adicionar suas chaves da API ao arquivo .env antes de executar o aplicativo. As seguintes chaves dentro .env.example precisam ser preenchidas:
OPENAI_API_KEY - OpenAICOHERE_API_KEY - coere a chave da APIAPIFY_API_TOKEN - Apify API TokenACTIVELOOP_TOKEN - ActiveLoop API TokenACTIVELOOP_ORG_ID - ID da organização ActiveLoop Distribuído sob a licença Apache 2.0 de código aberto. Consulte LICENSE para obter mais informações.
Os repositórios a seguir foram úteis na construção deste projeto:
