Adanvced Multidatabased RAG Chatbot

Perguntas e respostas de pano avançado com Langchain

Visão geral

Este projeto demonstra a criação de um aplicativo de perguntas e respostas avançado de geração aumentada (RAG) usando Langchain. Ao integrar várias fontes de dados - Wikipedia, um site personalizado e um banco de dados de papel de pesquisa (Rive) -, esse aplicativo fornece respostas abrangentes selecionando dinamicamente a fonte de dados mais relevante para cada consulta.

Destaques

• Integração de múltiplas fontes de dados : cria invólucros para a Wikipedia, um site personalizado e rive, permitindo a interação com essas fontes como entidades distintas.
• Agentes Langchain : usa agentes Langchain para selecionar dinamicamente a ferramenta apropriada com base nas consultas do usuário.
• Combinando ferramentas : combina várias ferramentas em uma única lista usando o Python e as conecta ao modelo LLM escolhido via create_openai_tool_agent .
• Modelos de prompt : utiliza modelos de prompt do hub de Langchain para orientar as interações LLM.
• Execução do agente : executa o agente e as ferramentas usando agent_executor para recuperar informações e fornecer respostas abrangentes.

Instalação

1. Clone o repositório :

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

2. Instale dependências : pip install -r requisitos.txt
3. Configurar variáveis ​​de ambiente : Crie um arquivo .env no diretório raiz e adicione as seguintes variáveis:
   • OpenAi_API_KEY = Your_openai_api_key
   • Wikipedia_api_key = your_wikipedia_api_key
   • Custom_website_url = your_custom_website_url

Uso Execute o aplicativo: streamlit run app.py

Interaja com o aplicativo : Abra o URL fornecido no seu navegador para começar a consultar o aplicativo de perguntas e respostas do RAG.

Estrutura do projeto

App.py: Script principal para executar o aplicativo StreamLit.

Config.py: configurações de configuração e variáveis ​​de ambiente.

Langchain_utils.py: funções de utilitário para integração de Langchain.

Data_sources/: contém invólucros para a Wikipedia, site personalizado e rive.

modelos/: modelos de prompt usados ​​para orientar as interações LLM.

requisitos.txt: Lista de dependências do Python.

Contribuindo se você quiser contribuir para este projeto, bifurque o repositório e envie uma solicitação de tração com suas alterações.