mini rag

мини-тряпка

Это минимальная реализация модели RAG для ответов на вопросы.

Курс

Это образовательный проект, в котором все коды объясняются (шаг за шагом) с помощью набора видеороликов на YouTube Arabic . Пожалуйста, проверьте список:

#	Заголовок	Связь	Коды
1	О курсе	Видео	NA
2	Что мы построим?	Видео	NA
3	Настройте свои инструменты.	Видео	NA
4	Архитектура проекта	Видео	ветвь
5	Добро пожаловать в ФастAPI	Видео	ветвь
6	Вложенные маршруты + значения Env	Видео	ветвь
7	Загрузка файла	Видео	ветвь
8	Обработка файлов	Видео	ветвь
9	Докер — MongoDB — Мотор	Видео	ветвь
10	Монго-схемы и модели	Видео	ветвь
11	Индексирование Монго	Видео	ветвь
12	Улучшения конвейера данных	Видео	ветвь
13	КПП-1	Видео	ветвь
14	LLM Фабрика	Видео	ветвь
15	Фабрика векторных БД	Видео	ветвь
16	Семантический поиск	Видео	ветвь
17	Дополненные ответы	Видео	ветвь
18	Контрольно-пропускной пункт-1 + исправление проблем	Видео	ветвь
19	Локальный сервер LLM в Олламе	Видео	ветвь

Требования

• Python 3.8 или новее

Установите Python с помощью MiniConda

1. Загрузите и установите MiniConda отсюда.
2. Создайте новую среду, используя следующую команду:

$ conda create -n mini-rag python=3.8

3. Активируйте среду:

$ conda activate mini-rag

(Необязательно) Настройте интерфейс командной строки для лучшей читаемости.

 export PS1= " [33[01;32m]u@h:wn[33[00m] $ "

(Необязательно) Запустите локальный LLM-сервер Ollama с помощью Colab + Ngrok.

• Проверка блокнота + Видео

Установка

Установите необходимые пакеты

$ pip install -r requirements.txt

Настройте переменные среды

$ cp .env.example .env

Установите переменные среды в файле .env . Как значение OPENAI_API_KEY .

Запустите службы Docker Compose

$ cd docker
$ cp .env.example .env

• обновите .env указав свои учетные данные

$ cd docker
$ sudo docker compose up -d

Запустите сервер FastAPI

$ uvicorn main:app --reload --host 0.0.0.0 --port 5000

Коллекция «Почтальон»

Загрузите коллекцию POSTMAN из /assets/mini-rag-app.postman_collection.json.