RAGLite: una eficaz herramienta de generación de aumento de la recuperación (RAG) que admite múltiples bases de datos y modelos lingüísticos.

Introducción general

RAGLite 是一个用于检索增强生成（RAG）的 Python 工具包，支持 PostgreSQL 或 SQLite 数据库。它提供了灵活的配置选项，允许用户选择不同的语言模型和重排序器。RAGLite 以其轻量级和高效的特性著称，适用于多种操作系统，并支持多种加速选项，如 Metal 和 CUDA。

Lista de funciones

• 支持多种语言模型，包括本地 llama-cpp-python 模型
• 支持 PostgreSQL 和 SQLite 作为关键词和向量检索数据库
• 提供多种重排序器选项，包括多语言 FlashRank
• 轻量级依赖，无需 PyTorch 或 LangChain
• 支持 PDF 转 Markdown 转换
• 多向量嵌入和上下文块标题
• 提供可定制的 ChatGPT 类前端，支持 Web、Slack 和 Teams
• 支持多种文件类型的文档插入和检索
• 提供检索和生成性能评估工具

Utilizar la ayuda

Proceso de instalación

1. 安装 spaCy 的多语言句子模型：

   pip install https://github.com/explosion/spacy-models/releases/download/xx_sent_ud_sm-3.7.0/xx_sent_ud_sm-3.7.0-py3-none-any.whl
   

2. 安装加速的 llama-cpp-python 预编译二进制文件（可选但推荐）：

   LLAMA_CPP_PYTHON_VERSION=0.2.88 PYTHON_VERSION=310 ACCELERATOR=metal | cu121 | cu122 | cu123 | cu124 PLATFORM=macosx_11_0_arm64 | linux_x86_64 | win_amd64
   pip install "https://github.com/abetlen/llama-cpp-python/releases/download/v$LLAMA_CPP_PYTHON_VERSION-$ACCELERATOR/llama_cpp_python-$LLAMA_CPP_PYTHON_VERSION-cp$PYTHON_VERSION-cp$PYTHON_VERSION-$PLATFORM.whl"
   

3. 安装 RAGLite：

   pip install raglite
   

4. 安装可定制的 ChatGPT 类前端支持：

   pip install raglite[chainlit]
   

5. 安装其他文件类型支持：

   pip install raglite[pandoc]
   

6. 安装评估支持：

   pip install raglite[ragas]
   

Normas de uso

1. 配置 RAGLite::
   • 配置 PostgreSQL 或 SQLite 数据库和任意支持的语言模型：

     from raglite import RAGLiteConfig
     my_config = RAGLiteConfig(
     db_url="postgresql://my_username:my_password@my_host:5432/my_database",
     llm="gpt-4o-mini",
     embedder="text-embedding-3-large"
     )
     

2. 插入文档::
   • 插入 PDF 文档并进行转换和嵌入：

     from pathlib import Path
     from raglite import insert_document
     insert_document(Path("On the Measure of Intelligence.pdf"), config=my_config)
     

3. 检索和生成::
   • 使用向量检索、关键词检索或混合检索进行查询：

     from raglite import hybrid_search, keyword_search, vector_search
     prompt = "How is intelligence measured?"
     chunk_ids_hybrid, _ = hybrid_search(prompt, num_results=20, config=my_config)
     

4. 重排序和回答问题::
   • 对检索结果进行重排序并生成答案：

     from raglite import rerank_chunks, rag
     chunks_reranked = rerank_chunks(prompt, chunk_ids_hybrid, config=my_config)
     stream = rag(prompt, search=chunks_reranked, config=my_config)
     for update in stream:
     print(update, end="")
     

5. 评估检索和生成::
   • 使用 Ragas 进行检索和生成性能评估：

     from raglite import answer_evals, evaluate, insert_evals
     insert_evals(num_evals=100, config=my_config)
     answered_evals_df = answer_evals(num_evals=10, config=my_config)
     evaluation_df = evaluate(answered_evals_df, config=my_config)
     

6. 部署 ChatGPT 类前端::
   • 部署可定制的 ChatGPT 类前端：

     raglite chainlit --db_url sqlite:///raglite.sqlite --llm llama-cpp-python/bartowski/Llama-3.2-3B-Instruct-GGUF/*Q4_K_M.gguf@4096 --embedder llama-cpp-python/lm-kit/bge-m3-gguf/*F16.gguf