rags

破布

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

RAGS是一個簡化的應用程序，可讓您使用自然語言從數據源創建RAG管道。

您必須做以下操作：

1. 描述您的任務（例如“加載此網頁”）和您從抹布系統（例如“我想檢索x docs of Docs”）中所需的參數）
2. 根據需要進入配置視圖和視圖/ALTER生成的參數（TOP-K，摘要等）。
3. 在您的問題上查詢抹布代理商的數據。

該項目的靈感來自Openai發起的GPTS。

安裝和設置

克隆這個項目，進入rags項目文件夾。我們建議為依賴關係（ python3 -m venv .venv ）創建虛擬設施。

 poetry install --with dev

默認情況下，我們將OpenAI用於構建器代理和生成的抹布代理。在主文件夾中添加.streamlit/secrets.toml 。

然後輸入以下內容：

 openai_key = "<openai_key>"

然後從“主頁”文件運行應用程序。

streamlit run 1_?_Home.py

注意：如果您已經升級了RAGS的版本，並且您正在啟動時遇到問題，則可能需要在主目錄中刪除cache文件夾（我們可能已經在版本之間引入了存儲的數據結構的破壞更改）。

詳細概述

該應用包含以下各節，與上面列出的步驟相對應。

1。？主頁

這是您通過指示“建築商代理”來構建抹布管道的部分。通常，要設置抹布管道，您需要以下組件：

1. 描述數據集。當前，我們支持一個本地文件或網頁。我們在這裡接受建議！
2. 描述任務。具體而言，此描述將用於初始化為RAG管道供電的LLM的“系統提示”。
3. 定義RAG設置的典型參數。有關參數列表，請參見下一節。

2。抹布配置

本節包含上一節中“構建器代理”生成的抹布參數。在本節中，您將擁有一個UI展示生成的參數，並具有充分的自由來在必要時手動編輯/更改它們。

目前，一組參數如下：

• 系統提示
• 包括摘要：是否還要添加摘要工具（而不是僅做TOP-K檢索。）
• top-k
• 塊大小
• 嵌入模型
• LLM

如果您手動更改參數，則可以按“更新代理”按鈕以更新代理。

 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.

我們總是可以添加更多參數以使其更加“高級”，但認為這將是一個很好的起點。

3。生成的抹布代理

創建破布代理後，您可以訪問此頁面。

這是一個標準的聊天機器人接口，您可以在其中查詢抹布代理，它將通過數據回答問題。

為了滿足查詢，它將能夠選擇正確的抹布工具（Top-K矢量搜索或可選的摘要）。

支持的LLM和嵌入

建築商代理

默認情況下，構建器代理使用OpenAI。這是在core/builder_config.py文件中定義的。

您可以將其自定義為您想要的任何LLM（為人類提供了一個示例）。

請注意，GPT-4變體將在實際構建代理方面給出最可靠的結果（我們無法讓Claude工作）。

生成的抹布代理

您可以通過自然語言或手動為嵌入模型和LLM手動設置配置。

• LLM ：我們支持以下LLM，但是您需要明確指定ID向構建器代理。
  • Openai：ID是“ OpenAi：<Model_name>” EG” OpenAI：GPT-4-1106-PREVIEW”
  • 擬人化：ID是“擬人：<model_name>” eg“人類：claude-2”
  • 複製：ID為“重複：<model_name>”
  • huggingface：id是“本地：<model_name>” eg“ local：baai/bge-small-en”
• 嵌入式：默認情況下支持文本插入-ADA-002，但也支持擁抱面部模型。要使用擁抱的面部模型，只需使用本地，例如本地：baai/bge-small-en。

資源

遇到問題？請提交GitHub問題或加入我們的不和諧。

該應用程序是由LlamainDex Python構建的。

在此處查看我們的發布博客文章。