rags

الخرق

build.a.rags.bot.powered.by.llamaindex .-. 26.november.2023.mp4

Rags هو تطبيق بديل يتيح لك إنشاء خط أنابيب خرقة من مصدر بيانات باستخدام اللغة الطبيعية.

يمكنك القيام بما يلي:

1. صف مهمتك (على سبيل المثال "تحميل صفحة الويب هذه") والمعلمات التي تريدها من أنظمة الخرقة الخاصة بك (على سبيل المثال "أريد استرداد عدد المستندات"))
2. انتقل إلى عرض التكوين وعرض/تغيير المعلمات التي تم إنشاؤها (Top-K ، تلخيص ، إلخ) حسب الحاجة.
3. الاستعلام عن وكيل خرقة على البيانات مع أسئلتك.

هذا المشروع مستوحى من GPTS ، التي أطلقتها Openai.

التثبيت والإعداد

استنساخ هذا المشروع ، انتقل إلى مجلد مشروع rags . نوصي بإنشاء ENV الظاهري لتبعيات ( python3 -m venv .venv ).

 poetry install --with dev

بشكل افتراضي ، نستخدم Openai لكل من وكيل البناء وكذلك وكيل الخرقة الذي تم إنشاؤه. إضافة .streamlit/secrets.toml في المجلد المنزلي.

ثم ضع ما يلي:

 openai_key = "<openai_key>"

ثم قم بتشغيل التطبيق من ملف "الصفحة الرئيسية".

streamlit run 1_?_Home.py

ملاحظة : إذا قمت بترقية إصدار Rags ، وكنت تواجه مشكلات عند الإطلاق ، فقد تحتاج إلى حذف مجلد cache في الدليل المنزلي الخاص بك (ربما قدمنا ​​تغييرات كسر في بنية البيانات المخزنة بين الإصدارات).

نظرة عامة مفصلة

يحتوي التطبيق على الأقسام التالية ، المقابلة للخطوات المذكورة أعلاه.

1.؟ الصفحة الرئيسية

هذا هو القسم الذي تقوم فيه ببناء خط أنابيب خرقة عن طريق توجيه "وكيل البناء". عادةً لإعداد خط أنابيب خرقة ، تحتاج إلى المكونات التالية:

1. صف مجموعة البيانات. نحن حاليًا ندعم إما ملف محلي واحد أو صفحة ويب . نحن منفتحون على الاقتراحات هنا!
2. صف المهمة. سيتم استخدام هذا الوصف بشكل ملموس لتهيئة "موجه النظام" من LLM الذي يعمل على تشغيل خط أنابيب خرقة.
3. تحديد المعلمات النموذجية لإعداد خرقة. انظر القسم أدناه للحصول على قائمة المعلمات.

2. تهيئة خرقة

يحتوي هذا القسم على معلمات RAG ، التي تم إنشاؤها بواسطة "وكيل البناء" في القسم السابق. في هذا القسم ، لديك واجهة مستخدم تعرض المعلمات التي تم إنشاؤها ولديها حرية كاملة لتحريرها/تغييرها يدويًا حسب الضرورة.

حاليا مجموعة المعلمات كما يلي:

• مطالبة النظام
• قم بتضمين التلخيص: سواء كنت أيضًا لإضافة أداة تلخيص (بدلاً من مجرد استرداد K Top-K فقط.)
• أعلى K.
• حجم قطعة
• نموذج التضمين
• LLM

إذا قمت بتغيير المعلمات يدويًا ، فيمكنك الضغط على زر "تحديث وكيل" من أجل تحديث الوكيل.

 If you don't see the `Update Agent` button, that's because you haven't created the agent yet. Please go to the previous "Home" page and complete the setup process.

يمكننا دائمًا إضافة المزيد من المعلمات لجعل هذا "متقدمًا" أكثر ، لكننا اعتقدوا أن هذا سيكون مكانًا جيدًا للبدء.

3. عامل خرقة تم إنشاؤه

بمجرد إنشاء وكيل الخرقة الخاص بك ، يمكنك الوصول إلى هذه الصفحة.

هذه واجهة chatbot قياسية حيث يمكنك الاستعلام عن وكيل RAG وستجيب على الأسئلة على بياناتك.

سيكون قادرًا على اختيار أدوات الخرقة الصحيحة (إما بحث متجه أعلى K أو تلخيص اختياريًا) من أجل تلبية الاستعلام.

مدعوم LLMs والتضمينات

وكيل البناء

بشكل افتراضي ، يستخدم وكيل البناء Openai. يتم تعريف هذا في ملف core/builder_config.py .

يمكنك تخصيص هذا إلى أي LLM تريده (يتم توفير مثال على الإنسان).

لاحظ أن متغيرات GPT-4 ستقدم النتائج الأكثر موثوقية من حيث إنشاء وكيل فعليًا (لم نتمكن من الحصول على كلود للعمل).

تم إنشاؤه وكيل خرقة

يمكنك تعيين التكوين إما من خلال اللغة الطبيعية أو يدويًا لكل من نموذج التضمين و LLM.

• LLM : نحن ندعم LLMS التالية ، ولكن تحتاج إلى تحديد المعرف بشكل صريح إلى وكيل البناء.
  • Openai: ID هو "Openai: <dare_name>" على سبيل المثال "Openai: GPT-4-1106-Preview"
  • الأنثروبور: ID "الأنثروبور: <domod_name>" على سبيل المثال "الأنثروبولوجيا: Claude-2"
  • النسخ المتماثل: ID هو "النسخ المتماثل: <darm_name>"
  • Luggingface: ID "محلي: <domod_name>" على سبيل المثال "محلي: Baai/Bge-Small-en"
• التضمين : يدعم embedding-ada-002 بشكل افتراضي ، ولكنه يدعم أيضًا عانق نماذج الوجه. لاستخدام نموذج الوجه المعانقة ببساطة مع محلي ، مثل المحلي: Baai/Bge-Small-en.

موارد

يواجه قضايا؟ يرجى تقديم مشكلة github أو الانضمام إلى خلافنا.

تم بناء هذا التطبيق مع Llamaindex Python.

شاهد منشور مدونة الإطلاق هنا.