RagDocs

คนแร็กด็อก

Ragdocs เป็นโซลูชันโอเพนซอร์ซที่ทันสมัยซึ่งปฏิวัติวิธีการโต้ตอบกับเอกสาร ด้วยการรวมพลังของ LLMs ในท้องถิ่น เข้ากับ Generation- retrieval-Augmented Generation (RAG) ที่ ทันสมัยนักพัฒนาสามารถได้รับคำตอบที่ถูกต้องจากเอกสารของพวกเขาโดยไม่มีค่าใช้จ่าย API ใด ๆ ทันที

บอกลาการโทร API ที่มีราคาแพงและข้อกังวลเกี่ยวกับความเป็นส่วนตัว ด้วย Ragdocs เอกสารทั้งหมดของคุณยังคงเป็นส่วนตัวในขณะที่ให้การโต้ตอบเหมือนแชท GPT สร้างขึ้นด้วยการค้นหา Milvus Vector และ next.js พร้อมการผลิตและการปรับใช้ง่าย สัมผัสกับอนาคตของการค้นหาเอกสารด้วยความเป็นส่วนตัวของข้อมูลที่สมบูรณ์และไม่มีค่าธรรมเนียมการใช้งาน

Rag.demo.1.mp4

- คุณสมบัติ

• - อินเตอร์เฟสแชทอัจฉริยะ : อินเทอร์เฟซการสนทนาที่เหมาะสำหรับเอกสารทางเทคนิค
• - การสร้างการดึงแบบดึงออกมาทันสมัย : การตอบสนองที่แม่นยำและรับรู้บริบท
• - การสนับสนุน LLM ในท้องถิ่น : รวมกับ Ollama เพื่อความเป็นส่วนตัวและประสิทธิภาพ
• การค้นหาเวกเตอร์ขับเคลื่อนโดย Milvus : การสืบค้นเอกสารที่รวดเร็วและปรับขนาดได้
• Modern Next.js Frontend : ประสบการณ์ผู้ใช้เรียลไทม์
• การสนับสนุนหลายเอกสาร : การจัดการอย่างไร้รอยต่อของสแต็คเทคโนโลยีที่หลากหลาย
• ⚡การประมวลผลเอกสารที่รวดเร็ว : การบริโภคที่มีประสิทธิภาพและการวิเคราะห์การอัปเดต
• การอัปเดตที่เพิ่มขึ้น : เก็บเอกสารของคุณไว้ในการซิงค์ได้อย่างง่ายดาย

---

สถาปัตยกรรม

 ragdocs/
├── data/                         # Documentation storage
│   ├── milvus_docs/              # Milvus documentation
│   ├── qdrant_docs/              # Qdrant documentation
│   └── weaviate_docs/            # Weaviate documentation
├── milvus/                       # Milvus standalone setup
│   └── standalone_embed.sh       # Milvus standalone script
├── ragdocs_api/                  # FastAPI backend
│   ├── conversation_api.py       # Chat API endpoints
│   ├── file_tracker.py           # Document change tracking
│   ├── llm_provider.py           # LLM integration (Ollama)
│   ├── markdown_processor.py     # Markdown processing
│   └── rag_system.py             # Core RAG implementation
└── ragdocs_frontend/             # Next.js frontend
    └── src/                      # Frontend source code

---

เริ่มต้น

ข้อกำหนดเบื้องต้น

• Python 3.12+
• node.js 20.17.0
• Milvus 2.0+
• Ollama (สำหรับการสนับสนุน LLM ในท้องถิ่น)

ติดตั้ง node.js ด้วย NVM :

nvm install 20.17.0
nvm use 20.17.0

---

การติดตั้ง

1. โคลนที่เก็บ :

git clone https://github.com/AlexisBalayre/RagDocs.git
cd RagDocs

2. ติดตั้งการพึ่งพา Python :

 # Install poetry if not already installed
curl -sSL https://install.python-poetry.org | python3 -

# Install project dependencies
poetry install
poetry shell

การพึ่งพาหลัก:

• ลามา-ดัชนี: 0.11.22
• Fastapi: 0.115.4
• Milvus-Lite: 2.4.10
• ประโยคที่แปลง: 2.7.0
• คบเพลิง: 2.5.1

3. ติดตั้งการพึ่งพาส่วนหน้า :

 cd ragdocs_frontend
yarn

4. ตั้งค่าตัวแปรสภาพแวดล้อม :

cp example.env.local .env.local
# Edit .env.local with your configuration

5. เริ่ม Milvus :

 cd milvus
bash standalone_embed.sh start

6. เรียกใช้แบ็กเอนด์ :

poetry run uvicorn ragdocs_api.conversation_api:app --reload

7. เรียกใช้ส่วนหน้า :

 cd ragdocs_frontend
yarn dev

---

การใช้งาน

1. เพิ่มเอกสาร : วางไฟล์ในโฟลเดอร์ที่เกี่ยวข้องภายใต้ data/
2. เริ่มแชท : ใช้ส่วนหน้าเพื่อแชทและสำรวจเอกสารของคุณ
3. เปรียบเทียบสแต็คเทคโนโลยี : ใช้ประโยชน์จากคุณสมบัติการเปรียบเทียบในตัวสำหรับการวิเคราะห์

---

- การกำหนดค่า

แก้ไขไฟล์ .env.local สำหรับการตั้งค่าคีย์:

 MILVUS_HOST = localhost
MILVUS_PORT = 19530
OLLAMA_MODEL = llama3.2 

---

- การบริจาค

สนับสนุนการมีส่วนร่วม! ทำตามขั้นตอนเหล่านี้:

1. แยกที่เก็บ
2. สร้างสาขาฟีเจอร์:

git checkout -b feature/AmazingFeature

3. กระทำการเปลี่ยนแปลงของคุณ:

git commit -m ' Add some AmazingFeature '

4. ผลักดันสาขาของคุณ:

git push origin feature/AmazingFeature

5. เปิดคำขอดึง

---

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

---

กิตติกรรมประกาศ

• Vercel AI Chatbot - แรงบันดาลใจจากเทมเพลตสำหรับส่วนหน้า
• LLAMAINDEX - ความสามารถในการเพิ่มพลังผ้าขี้ริ้ว
• Milvus - แบ็กเอนด์การค้นหาเวกเตอร์ที่มีประสิทธิภาพ
• Ollama - การสนับสนุน LLM ท้องถิ่น

---

สนับสนุน

หากโครงการนี้เพิ่มมูลค่าให้กับงานของคุณ โปรดให้ดาว!

การสนับสนุนของคุณสร้างความแตกต่างและส่งเสริมการพัฒนาต่อไป ข้อเสนอแนะและข้อเสนอแนะคุณสมบัติยินดีต้อนรับเสมอ!