Subscribe to get weekly email with the most promising tools 🚀

RAGBot est une application full-stack qui combine un frontend React avec un backend FastAPI pour créer une interface de chat en temps réel puissante. Le système s'appuie sur une pipeline de génération augmentée par récupération (RAG) développée de zéro pour un accès efficace aux documents et des réponses aux requêtes.

Listé dans les catégories:

TechnologieGitHubIntelligence artificielle
RAGBOT-image-0
RAGBOT-image-1
RAGBOT-image-2

Description

RAGBot est une application fullstack qui combine un frontend React avec un backend FastAPI pour créer une interface de chat en temps réel puissante. Le système utilise un pipeline de génération augmentée par récupération (RAG) sur mesure pour une récupération de documents efficace et une réponse aux requêtes.

Comment utiliser RAGBOT?

Pour commencer, clonez le dépôt, créez un environnement virtuel et installez les dépendances du backend et du frontend. Démarrez le serveur FastAPI backend et le serveur de développement React frontend pour commencer à utiliser l'application.

Fonctionnalités principales de RAGBOT:

1️⃣

Téléchargement de fichiers : Permet aux utilisateurs de télécharger facilement des documents vers le backend.

2️⃣

Découpage de documents : Divise automatiquement les documents en morceaux plus petits et gérables pour un traitement et une analyse plus efficaces.

3️⃣

Génération d'embeddings : Utilise des modèles de transformateurs pour calculer des embeddings de haute qualité pour chaque morceau de document.

4️⃣

Recherche de similarité : Permet d'interroger des morceaux de documents et renvoie les plus pertinents en fonction de la similarité cosinus avec la requête d'entrée.

5️⃣

Intégration de base de données : Utilise SQLite et SQLAlchemy pour stocker les métadonnées des fichiers, les données des morceaux et l'état de traitement.

Pourquoi pourrait-il être utilisé RAGBOT?

#Cas d'utilisationStatut
# 1Les utilisateurs peuvent interagir avec le LLM en tapant des requêtes dans l'interface de chat.
# 2Les utilisateurs peuvent télécharger des documents qui seront traités et stockés pour une récupération future.
# 3Le système permet une recherche efficace à travers une collection de documents.

Développé par RAGBOT?

Le projet est développé par Anass MAJJI, un data scientist qui a créé cette application pour faciliter la récupération de documents en temps réel et la réponse aux requêtes en utilisant des techniques d'IA avancées.

FAQ de RAGBOT