|
--- |
|
title: RAG Conversacional com Upload de PDF e Histórico de Chat |
|
emoji: 📚 |
|
colorFrom: indigo |
|
colorTo: blue |
|
sdk: streamlit |
|
sdk_version: 1.28.0 |
|
app_file: app.py |
|
pinned: false |
|
--- |
|
|
|
# RAG Conversacional com Upload de PDF e Histórico de Chat |
|
|
|
Este projeto implementa um sistema de Recuperação de Informações Aumentada por Geração (RAG) conversacional usando Streamlit, LangChain, e modelos de linguagem de grande escala. O aplicativo permite que os usuários façam upload de documentos PDF, façam perguntas sobre o conteúdo desses documentos, e mantenham um histórico de chat para contexto em conversas contínuas. |
|
|
|
## Autor |
|
|
|
Reinaldo Chaves (reichaves@gmail.com) |
|
|
|
VERSÃO ON-LINE - VEJA O SITE **[AQUI](https://rag-chat-gemma2.streamlit.app/)** |
|
|
|
## Características |
|
|
|
- Interface de usuário Streamlit com tema dark |
|
- Upload de múltiplos arquivos PDF |
|
- Processamento de documentos usando LangChain e ChromaDB |
|
- Geração de respostas usando o modelo Gemma2-9b-It da Groq |
|
- Embeddings de texto usando o modelo all-MiniLM-L6-v2 do Hugging Face |
|
- Histórico de chat para manter o contexto da conversa |
|
- Barra lateral com orientações importantes para o usuário |
|
|
|
## Requisitos |
|
|
|
- Python 3.7+ |
|
- Streamlit |
|
- LangChain |
|
- ChromaDB |
|
- PyPDF2 |
|
- Transformers |
|
- Outras dependências listadas em `requirements.txt` |
|
|
|
## Instalação |
|
|
|
1. Clone este repositório: |
|
``` |
|
git clone https://github.com/seu_usuario/seu_repositorio.git |
|
cd seu_repositorio |
|
``` |
|
|
|
2. Instale as dependências: |
|
``` |
|
pip install -r requirements.txt |
|
``` |
|
|
|
3. Configure as variáveis de ambiente ou tenha em mãos: |
|
- Chave da API Groq |
|
- Token da API Hugging Face |
|
|
|
## Uso |
|
|
|
1. Execute o aplicativo Streamlit: |
|
``` |
|
streamlit run app.py |
|
``` |
|
|
|
2. Abra o navegador e acesse o endereço local mostrado no terminal. |
|
3. Insira suas chaves de API quando solicitado. |
|
4. Faça upload de um ou mais arquivos PDF. |
|
5. Faça perguntas sobre o conteúdo dos documentos na caixa de entrada de texto. |
|
|
|
## Como funciona |
|
|
|
1. **Upload de Documentos**: Os usuários fazem upload de arquivos PDF, que são processados e divididos em chunks menores. |
|
2. **Criação de Embeddings**: O texto é convertido em embeddings usando o modelo Hugging Face. |
|
3. **Armazenamento de Vetores**: Os embeddings são armazenados em um banco de dados ChromaDB para recuperação eficiente. |
|
4. **Processamento de Perguntas**: As perguntas dos usuários são contextualizadas com base no histórico do chat. |
|
5. **Recuperação de Informações**: O sistema recupera os chunks de texto mais relevantes com base na pergunta. |
|
6. **Geração de Respostas**: O modelo Gemma2-9b-It da Groq gera uma resposta com base nos chunks recuperados e na pergunta. |
|
7. **Manutenção do Histórico**: O histórico do chat é mantido para fornecer contexto em conversas contínuas. |
|
|
|
## Avisos Importantes |
|
|
|
- Não compartilhe documentos contendo informações sensíveis ou confidenciais. |
|
- As respostas geradas pela IA podem conter erros ou imprecisões. Sempre verifique as informações importantes. |
|
- Este projeto é para fins educacionais e de demonstração. Use com responsabilidade. |
|
|
|
## Contribuições |
|
|
|
Contribuições são bem-vindas! Por favor, abra uma issue para discutir mudanças importantes antes de fazer um pull request. |
|
|
|
## Licença |
|
|
|
[MIT License](LICENSE) |
|
|
