contract qa high precision rag

RAG ที่ปรึกษาตามสัญญา: การสร้างแอพ LLM ผู้เชี่ยวชาญด้านกฎหมายที่มีความแม่นยำสูง

การแนะนำ

โครงการนี้มุ่งเน้นไปที่การสร้างเครื่องมือวิเคราะห์สัญญาที่มีความแม่นยำสูงโดยใช้การเพิ่มการดึง (RAG) วิธีการนี้ใช้ประโยชน์จากพลังของแบบจำลองภาษาขนาดใหญ่ (LLMs) เพื่อดึงข้อมูลที่เกี่ยวข้องจากแหล่งความรู้ภายนอกในกรณีนี้สัญญาทางกฎหมาย เป้าหมายคือการสร้างระบบที่สามารถตอบคำถามเกี่ยวกับเนื้อหาสัญญาได้อย่างแม่นยำและมีประสิทธิภาพซึ่งทำหน้าที่เป็นผู้ช่วยด้านกฎหมายเสมือนจริง

สารบัญ

1. คุณสมบัติที่สำคัญ
2. โครงสร้างโครงการ
3. เริ่มต้น
4. การติดตั้ง
5. การใช้งาน
6. การทดสอบ
7. การบริจาค
8. ใบอนุญาต
9. ติดต่อ

คุณสมบัติที่สำคัญ

• Rag Framework : ใช้ประโยชน์จากกรอบ Langchain เพื่อรวม LLMs เข้ากับข้อมูลสัญญาได้อย่างราบรื่น
• โมเดล OpenAI GPT : ใช้โมเดล GPT ของ OpenAI สำหรับการทำความเข้าใจภาษาธรรมชาติและการสร้าง
• การรวม Autogen : การรวมเข้ากับ Microsoft Autogen เพื่อสร้างตัวแทน AI สนทนาเพื่อประสบการณ์การใช้งานที่มีการโต้ตอบมากขึ้น
• เว็บอินเตอร์เฟส : ให้เว็บอินเตอร์เฟสที่ใช้งานง่ายสำหรับผู้ใช้ในการโต้ตอบกับระบบและถามคำถามเกี่ยวกับเนื้อหาสัญญา
• Fastapi Backend : ใช้ fastapi เพื่อสร้างเซิร์ฟเวอร์แบ็กเอนด์ประสิทธิภาพสูงสำหรับการจัดการคำขอผู้ใช้โดยใช้ WebSockets และอนุญาตให้มีปฏิสัมพันธ์กับไปป์ไลน์ RAG
• ฐานข้อมูลเวกเตอร์ : ใช้ฐานข้อมูลเวกเตอร์ (เช่น Chroma) เพื่อจัดเก็บและดึงข้อมูลสัญญาอย่างมีประสิทธิภาพ
• การดึงข้อมูลหลายครั้ง : สร้างรูปแบบการสืบค้นหลายแบบเพื่อปรับปรุงโอกาสในการค้นหาข้อมูลที่เกี่ยวข้อง
• การจัดอันดับใหม่ : ใช้กลไกการจัดอันดับใหม่เพื่อจัดลำดับความสำคัญของข้อมูลที่เกี่ยวข้องกับบริบทมากที่สุด
• การประเมินผลโดยใช้ RAGAS : รวมถึงการประเมินที่แข็งแกร่งโดยใช้ตัวชี้วัดเช่นความแม่นยำความเกี่ยวข้องและเวลาตอบสนองเพื่อประเมินและปรับปรุงประสิทธิภาพ

โครงสร้างโครงการ

 project_root/
├── .github/         # GitHub Actions workflows
├── frontend/        # React frontend code
├── backend/         # FastAPI backend code
├── src/             # Source code for RAG pipeline, utils, etc.
├── tests/           # Unit and integration tests
├── README.md        # This file
└── requirements.txt # Project dependencies

เริ่มต้น

ข้อกำหนดเบื้องต้น

• Python 3.9+
• ปิ๊ก
• node.js v18+
• NPM - สำหรับการติดตั้งการพึ่งพาส่วนหน้า

1. โคลน repo นี้

 git clone [email protected]:hillaryke/contract-qa-high-precision-rag.git
cd contract-qa-high-precision-rag

2. กำหนดค่าสภาพแวดล้อม

เพิ่ม openai_api_key ของคุณลงในไฟล์. env ในไดเรกทอรีรูทโครงการ

การติดตั้ง

1. ติดตั้งการพึ่งพา

 pip install -r requirements.txt

การใช้งาน

1. เริ่มเซิร์ฟเวอร์ fastapi

เรียกใช้คำสั่งเพื่อเริ่มเซิร์ฟเวอร์ fastapi:

 make run-server

เซิร์ฟเวอร์จะเริ่มต้นที่ http: // localhost: 8000/

2. เริ่มต้นการตอบโต้

 make run-frontend

บนเบราว์เซอร์ของคุณเข้าถึงแอพส่วนหน้าจาก http: // localhost: 3000/

การทดสอบ

1. รันทดสอบ

ในการเรียกใช้การทดสอบให้ใช้คำสั่งต่อไปนี้:

 make test

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT - ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

ติดต่อ

สำหรับคำถามหรือการสนับสนุนใด ๆ โปรดติดต่อฉันผ่านทางอีเมลฮิลลารีเค ..

สนุก!