Adanvced Multidatabased RAG Chatbot

Приложение Advanced Rag Q & A с Langchain

Обзор

Этот проект демонстрирует создание приложения Q & A (RAG) с использованием Q & A с использованием Langchain. Интегрируя несколько источников данных - Wikipedia, пользовательский веб -сайт и базу данных исследовательской бумаги (RIVE) - это приложение предоставляет комплексные ответы, динамически выбрав наиболее релевантный источник данных для каждого запроса.

Основные моменты

• Интеграция нескольких источников данных : создает обертки для Википедии, пользовательского веб -сайта и Rive, позволяя взаимодействовать с этими источниками в качестве отдельных сущностей.
• Агенты Langchain : использует агенты Langchain для динамического выбора соответствующего инструмента на основе пользовательских запросов.
• Комбинирование инструментов : объединяет несколько инструментов в один список с использованием Python и соединяет их с выбранной моделью LLM через create_openai_tool_agent .
• Шаблоны быстрого приглашения : использует шаблоны быстрого подсказки из концентратора Langchain для руководства взаимодействиями LLM.
• Выполнение агента : выполняет агент и инструменты с использованием agent_executor для извлечения информации и предоставления комплексных ответов.

Установка

1. Клонировать репозиторий :

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

2. Установка зависимости : PIP установка -R TEDS.TXT
3. Установите переменные среды : создайте файл .env в корневом каталоге и добавьте следующие переменные:
   • Openai_api_key = your_openai_api_key
   • Wikipedia_api_key = your_wikipedia_api_key
   • Custom_website_url = your_custom_website_url

Использование Запустите приложение: ratelit run app.py

Взаимодействуйте с приложением : Откройте предоставленный URL в своем браузере, чтобы начать запрос приложения Q & A.

Структура проекта

app.py: основной сценарий для запуска приложения Streamlit.

config.py: настройки конфигурации и переменные среды.

langchain_utils.py: функции утилиты для интеграции Langchain.

data_sources/: содержит обертки для Википедии, пользовательского веб -сайта и Rive.

Шаблоны/: Шаблоны приглашения, используемые для руководства взаимодействия LLM.

Требования.txt: Список зависимостей с питоном.

Внесение вклад, если вы хотите внести свой вклад в этот проект, пожалуйста, распадайте репозиторий и отправьте запрос на привлечение с вашими изменениями.