

แนะนำ bestrag ! ไลบรารี Python นี้ใช้ประโยชน์จากวิธีการดึงแบบไฮบริด (RAG) แบบไฮบริดเพื่อจัดเก็บและดึงการฝังตัวได้อย่างมีประสิทธิภาพ ด้วยการรวมการฝังตัวที่หนาแน่นกระจัดกระจายและล่าช้าในช่วงปลายการฝัง ตัว BESTRAG นำเสนอโซลูชันที่แข็งแกร่งสำหรับการจัดการชุดข้อมูลขนาดใหญ่
Hybrid Rag : ใช้ประโยชน์จากการรวมการโต้ตอบที่หนาแน่นเบาบางและล่าช้าเพื่อประสิทธิภาพที่เพิ่มขึ้น
- การรวมง่าย : API ง่าย ๆ สำหรับการจัดเก็บและค้นหา embeddings
- การสนับสนุน PDF : จัดเก็บการฝังตัวโดยตรงจากเอกสาร PDF
ในการติดตั้ง bestrag เพียงแค่เรียกใช้:
pip install bestragนี่คือวิธีที่คุณสามารถใช้ bestrag ในโครงการของคุณ:
from bestrag import BestRAG
rag = BestRAG (
url = "https://YOUR_QDRANT_URL" ,
api_key = "YOUR_API_KEY" ,
collection_name = "YOUR_COLLECTION_NAME"
)
# Store embeddings from a PDF
rag . store_pdf_embeddings ( "your_pdf_file.pdf" , "pdf_name" )
# Search using a query
results = rag . search ( query = "your search query" , limit = 10 )
print ( results )
# Delete particular pdf embeddings
rag . delete_pdf_embeddings ( "home/notes.pdf" )หมายเหตุ : Qdrant เสนอระดับฟรีพร้อมพื้นที่เก็บข้อมูล 4GB หากต้องการสร้างคีย์ API และจุดสิ้นสุดของคุณไปที่ QDRANT
อย่าลังเลที่จะมีส่วนร่วมกับ Bestrag ! ไม่ว่าจะเป็นการรายงานข้อบกพร่องการแนะนำคุณสมบัติหรือส่งคำขอดึงการมีส่วนร่วมของคุณยินดีต้อนรับ
โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT
สร้างโดย samadpls?