Download rags - Download de código -fonte rags

rags

Outro código-fonte

1.0.0

Baixar

Trapos

Build.A.rags.bot.powered.by.llamaindex

O RAGS é um aplicativo StreamLit que permite criar um pipeline RAG a partir de uma fonte de dados usando a linguagem natural.

Você pode fazer o seguinte:

Descreva sua tarefa (por exemplo, "Carregue esta página da web") e os parâmetros que você deseja dos seus sistemas de pano (por exemplo, "eu quero recuperar o número X de documentos")
Entre na visualização Config e nos parâmetros gerados por visualização/alteração (Top-K, Summarization, etc.), conforme necessário.
Consulte o agente do RAG sobre os dados com suas perguntas.

Este projeto é inspirado pelo GPTS, lançado pelo OpenAI.

Instalação e configuração

Clone este projeto, vá para a pasta rags Project. Recomendamos a criação de um Env virtual para dependências ( python3 -m venv .venv ).

 poetry install --with dev

Por padrão, usamos o OpenAI para o agente do construtor e para o agente gerado. Adicione .streamlit/secrets.toml na pasta doméstico.

Em seguida, coloque o seguinte:

 openai_key = "<openai_key>"

Em seguida, execute o aplicativo do arquivo "Home Page".


streamlit run 1_?_Home.py

Nota : Se você atualizou a versão dos RAGs e está enfrentando problemas no lançamento, pode ser necessário excluir a pasta cache no seu diretório doméstico (podemos ter introduzido mudanças de ruptura na estrutura de dados armazenada entre as versões).

Visão geral detalhada

O aplicativo contém as seções a seguir, correspondendo às etapas listadas acima.

1.? Página inicial

Esta é a seção em que você constrói um oleoduto RAG, instruindo o "agente do construtor". Normalmente, para configurar um oleoduto RAG, você precisa dos seguintes componentes:

Descreva o conjunto de dados. Atualmente, apoiamos um único arquivo local ou uma página da web . Estamos abertos a sugestões aqui!
Descreva a tarefa. Concretamente, essa descrição será usada para inicializar o "prompt de sistema" do LLM alimentando o oleoduto RAG.
Defina os parâmetros típicos para uma configuração de RAG. Consulte a seção abaixo para obter a lista de parâmetros.

2. Config Rag

Esta seção contém os parâmetros do RAG, gerados pelo "agente do construtor" na seção anterior. Nesta seção, você tem uma interface do usuário que mostra os parâmetros gerados e tem total liberdade para editá -los/alterá -los manualmente.

Atualmente, o conjunto de parâmetros é o seguinte:

Prompt de sistema
Inclua resumo: se deve também adicionar uma ferramenta de resumo (em vez de fazer apenas uma recuperação mais importante.)
Top-K
Tamanho do pedaço
Modelo de incorporação
Llm

Se você alterar manualmente os parâmetros, poderá pressionar o botão "Atualizar agente" para atualizar o agente.

 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.

Sempre podemos adicionar mais parâmetros para tornar isso mais "avançado", mas achamos que esse seria um bom lugar para começar.

3. Agente de pano gerado

Depois que seu agente de trava for criado, você terá acesso a esta página.

Esta é uma interface de chatbot padrão, na qual você pode consultar o agente do RAG e responderá a perguntas sobre seus dados.

Será capaz de escolher as ferramentas de pano certas (pesquisa de vetores de Top-K ou resumo opcionalmente) para cumprir a consulta.

LLMs e incorporados suportados

Agente construtor

Por padrão, o agente do construtor usa o OpenAI. Isso é definido no arquivo core/builder_config.py .

Você pode personalizar isso para qualquer LLM que desejar (um exemplo é fornecido para antropia).

Observe que as variantes do GPT-4 fornecerão os resultados mais confiáveis em termos de construção de um agente (não conseguimos fazer Claude funcionar).

Agente de pano gerado

Você pode definir a configuração através da linguagem natural ou manualmente para o modelo de incorporação e o LLM.

LLM : Apoiamos os seguintes LLMs, mas você precisa especificar explicitamente o ID para o agente do construtor.
- OpenAI: ID é "OpenAI: <Model_Name>" por exemplo "OpenAI: GPT-4-1106-Preview"
- Antrópico: ID é "Antrópico: <Model_Name>" por exemplo "Anthrópico: Claude-2"
- Replicar: ID é "REPLICE: <Model_Name>"
- Huggingface: ID é "Local: <Model_Name>" por exemplo "Local: Baai/BGE-Small-en"
Incorporação : suporta o texto-Ada-002 por padrão por padrão, mas também suporta abraçar modelos de rosto. Para usar um modelo de rosto abraçado, basta prender com local, por exemplo, local: Baai/BGE-Small-en.