iris-rag-gen：一款基于Iris的检索增强生成(RAG)应用
大家好！本文将介绍我的应用iris-rag-gen，这是一款利用iris矢量搜索功能的生成式ai检索增强生成(rag)应用。它结合了streamlit web框架、langchain和openai，能够个性化chatgpt的交互体验，并以iris作为矢量数据库。
核心功能：
文档导入(PDF/TXT)： 将PDF或TXT文档导入Iris数据库。智能问答： 基于已导入文档，与ChatGPT进行交互式问答。文档删除： 删除已导入的文档。OpenAI ChatGPT集成： 直接使用OpenAI的ChatGPT模型。
文档导入流程：
输入OpenAI密钥。选择PDF或TXT文档。输入文档描述。点击“导入文档”按钮。
导入过程会将文档信息存储到rag_documents表，并创建相应的矢量数据表（例如rag_document_id）。
文档导入核心代码片段：
from langchain.text_splitter import RecursiveCharacterTextSplitterfrom langchain.document_loaders import PyPDFLoader, TextLoaderfrom langchain_iris import IrisVectorfrom langchain_openai import OpenAIEmbeddingsfrom sqlalchemy import create_engine, textclass RagOpr: # ... (代码略，与原文相同) ...
矢量数据检索SQL语句示例：
SELECT TOP 5 id, embedding, document, metadataFROM sqluser.rag_document2
智能问答流程：
选择要查询的文档。输入问题。应用将检索矢量数据并返回答案。
智能问答核心代码片段：
from langchain_iris import IRISVectorfrom langchain_openai import OpenAIEmbeddings, ChatOpenAIfrom langchain.chains import ConversationChainfrom langchain.chains.conversation.memory import ConversationSummaryMemoryclass RagOpr: def ragSearch(self, prompt, id): # ... (代码略，与原文相同) ...
更多详细信息，请访问iris-rag-gen项目页面。感谢您的阅读！
以上就是IRIS-RAG-Gen：由 IRIS 矢量搜索提供支持的个性化 ChatGPT RAG 应用程序的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1355099.html
微信扫一扫 
支付宝扫一扫 
