Subscribe to get weekly email with the most promising tools 🚀

RAGBot es una aplicación de pila completa que combina un frontend de React con un backend de FastAPI para crear una poderosa interfaz de chat en tiempo real. El sistema aprovecha una tubería de generación aumentada por recuperación (RAG) desarrollada desde cero para una recuperación eficiente de documentos y respuestas a consultas.

Listado en categorías:

TecnologíaGitHubInteligencia artificial
RAGBOT-image-0
RAGBOT-image-1
RAGBOT-image-2

Descripción

RAGBot es una aplicación fullstack que combina un frontend de React con un backend de FastAPI para crear una poderosa interfaz de chat en tiempo real. El sistema aprovecha un pipeline de Generación Aumentada por Recuperación (RAG) construido a medida para la recuperación eficiente de documentos y la respuesta a consultas.

Cómo usar RAGBOT?

Para comenzar, clona el repositorio, crea un entorno virtual e instala las dependencias del backend y frontend. Inicia el servidor FastAPI del backend y el servidor de desarrollo de React del frontend para comenzar a usar la aplicación.

Características principales de RAGBOT:

1️⃣

Carga de Archivos: Permite a los usuarios cargar documentos fácilmente al backend.

2️⃣

División de Documentos: Divide automáticamente los documentos en fragmentos más pequeños y manejables para un procesamiento y análisis más eficientes.

3️⃣

Generación de Embeddings: Utiliza modelos de transformadores para calcular embeddings de alta calidad para cada fragmento de documento.

4️⃣

Búsqueda por Similitud: Permite consultar fragmentos de documentos y devuelve los más relevantes basados en la similitud coseno con la consulta de entrada.

5️⃣

Integración de Base de Datos: Utiliza SQLite y SQLAlchemy para almacenar metadatos de archivos, datos de fragmentos y estado de procesamiento.

Por qué podría ser usado RAGBOT?

#Caso de UsoEstado
# 1Los usuarios pueden interactuar con el LLM escribiendo consultas en la interfaz de chat.
# 2Los usuarios pueden cargar documentos que serán procesados y almacenados para futuras recuperaciones.
# 3El sistema permite una búsqueda eficiente a través de una colección de documentos.

Desarrollado por RAGBOT?

El proyecto es desarrollado por Anass MAJJI, un científico de datos que ha creado esta aplicación para facilitar la recuperación de documentos en tiempo real y la respuesta a consultas utilizando técnicas avanzadas de IA.

Preguntas frecuentes de RAGBOT