document answer langchain pinecone openai

使用Langchain，Pinecone和Openai回答的文件

Langchain提供了一种易于使用的集成，用于使用Pinecone和Openai的嵌入来处理和查询文档。借助此存储库，您可以加载PDF，将其内容分开，生成嵌入，并使用上述工具创建一个问答系统。

存储库结构：

• embbeding_doc.py ：用于加载PDF，分裂其内容，使用OpenAI生成嵌入的主要脚本，并用Pinecone保存它们。
• constants.py ：保存在存储库中使用的常数。
• app.py ：一种简化的应用程序，可让您使用提问链查询嵌入式文档。

要求：

1. Python 3+
2. Pinecone API键
3. OpenAI API键
4. 简化
5. 所需的模块如代码所示（例如，兰班链，松果）

快速开始：

1. 设置配置：

   • 您必须创建一个定义以下内容的config.py文件：

      OPENAI_API_KEY = 'YOUR_OPENAI_API_KEY'
     PINECONE_API_KEY = 'YOUR_PINECONE_API_KEY'
     PINECONE_API_ENVIRONMENT = 'YOUR_PINECONE_ENVIRONMENT'

2. 运行embbeding_doc.py ：

   • 这将加载提供的PDF，将其内容拆分，生成嵌入并将其保存到Pinecone中。

     $ python embbeding_doc.py

3. 启动简化应用程序：

   • 使用shatlit运行app.py脚本。

     $ streamlit run app.py

   • 应用程序运行后，您可以输入与PDF内容相关的问题，它将使用创建的嵌入式和提问链提供相关答案。

重要说明：

• 这是示例设置。根据您的要求，您可能需要修改文档加载，分裂和嵌入策略。
• 确保您的OpenAI API密钥和Pinecone API密钥保密，并且不会推向公共存储库。