rags

ぼろきれ

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

Ragsは、自然言語を使用してデータソースからRAGパイプラインを作成できる流線ライトアプリです。

あなたは次のことをすることができます：

1. タスク（「このWebページのロード」など）とRAGシステムから必要なパラメーター（「Xの数のドキュメントを取得したい」など）を説明してください。
2. 必要に応じて、構成ビューに移動し、生成されたパラメーター（TOP-K、要約など）を表示/変更します。
3. 質問を使用してデータを介してRAGエージェントを照会します。

このプロジェクトは、Openaiが発表したGPTSに触発されています。

インストールとセットアップ

このプロジェクトをクローンして、 ragsプロジェクトフォルダーに移動します。依存関係の仮想ENVを作成することをお勧めします（ python3 -m venv .venv ）。

 poetry install --with dev

デフォルトでは、Builderエージェントと生成されたRAGエージェントの両方にOpenAIを使用します。 Homeフォルダーに.streamlit/secrets.tomlを追加します。

次に、次のようにします。

 openai_key = "<openai_key>"

次に、「ホームページ」ファイルからアプリを実行します。

streamlit run 1_?_Home.py

注：Ragsのバージョンをアップグレードし、起動時に問題に巻き込まれている場合は、ホームディレクトリのcacheフォルダーを削除する必要がある場合があります（バージョン間で保存されたデータ構造に壊れた変更が導入されている可能性があります）。

詳細な概要

アプリには、上記の手順に対応する次のセクションが含まれています。

1。？ホームページ

これは、「ビルダーエージェント」を指示することにより、RAGパイプラインを構築するセクションです。通常、RAGパイプラインをセットアップするには、次のコンポーネントが必要です。

1. データセットを説明してください。現在、単一のローカルファイルまたはWebページのいずれかをサポートしています。ここで提案を受け入れています！
2. タスクを説明してください。具体的には、この説明は、RAGパイプラインに電力を供給するLLMの「システムプロンプト」を初期化するために使用されます。
3. ラグセットアップの典型的なパラメーターを定義します。パラメーターのリストについては、以下のセクションを参照してください。

2。RAG構成

このセクションには、前のセクションで「ビルダーエージェント」によって生成されたRAGパラメーターが含まれています。このセクションでは、生成されたパラメーターを紹介するUIがあり、必要に応じて手動で編集/変更する完全な自由があります。

現在、パラメーターのセットは次のとおりです。

• システムプロンプト
• 要約を含める：要約ツールも追加するかどうか（Top-K取得のみを行う代わりに）。
• TOP-K
• チャンクサイズ
• 埋め込みモデル
• LLM

パラメーターを手動で変更する場合は、エージェントを更新するために「エージェントの更新」ボタンを押すことができます。

 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.

これをより「高度」にするために、いつでもパラメーターを追加することができますが、これは開始するのに適した場所になると考えました。

3。生成されたRAGエージェント

RAGエージェントが作成されたら、このページにアクセスできます。

これは、RAGエージェントを照会できる標準のチャットボットインターフェイスであり、データに関する質問に答えます。

クエリを満たすために、適切なRAGツール（TOP-Kベクトル検索またはオプションの要約）を選択できます。

サポートされているLLMと埋め込み

ビルダーエージェント

デフォルトでは、ビルダーエージェントはOpenaiを使用します。これはcore/builder_config.pyファイルで定義されています。

これは、必要なLLMにカスタマイズできます（例として、人類の例が提供されます）。

GPT-4バリアントは、実際にエージェントを構築するという点で最も信頼できる結果をもたらすことに注意してください（Claudeを機能させることはできませんでした）。

生成されたRAGエージェント

自然言語を使用して、または埋め込みモデルとLLMの両方で手動で構成を設定できます。

• LLM ：次のLLMをサポートしていますが、ビルダーエージェントにIDを明示的に指定する必要があります。
  • Openai：id is "openai：<model_name>" eg "openai：gpt-4-1106-preview"
  • 人類：IDは「人類：<model_name> "eg" Anthropic：claude-2 "です
  • 複製：IDは「Replicate：<model_name>」です
  • Huggingface：id is "local：<model_name>" eg "local：baai/bage-small-en"
• 埋め込み：デフォルトではText-embedding-ada-002をサポートしますが、フェイスモデルを抱き締めることもサポートしています。ハグするフェイスモデルを使用するには、ローカルでローカルでプレイエンドするだけです。たとえば、baai/bge-small-en。

リソース

問題に遭遇しますか？ githubの問題を提出するか、私たちの不一致に参加してください。

このアプリは、Llamaindex Pythonで構築されました。

ローンチブログ投稿はこちらをご覧ください。