能将大模型RAG流程可视化的开源工具—RAGxplorer
RAGxplorer 🦙🦺
RAGxplorer是一个交互式的streamlit工具，用于支持构建基于检索增强生成（Retrieval Augmented Generation, RAG）的应用程序，通过可视化文档块和嵌入空间中的查询来实现。
演示 🔎
Streamlit应用程序
⚠️由于基础设施限制，这个免费托管的演示可能偶尔会停机。最佳体验是克隆这个仓库，并在本地运行。
特点 ✨
•文档上传：用户可以上传PDF文档。•块配置：配置块大小和重叠的选项。•嵌入模型选择：all-MiniLM-L6-v2或text-embedding-ada-002。•向量数据库创建：使用Chroma构建向量数据库。•查询扩展：生成子问题和假设答案，以增强检索过程。•交互式可视化：使用Plotly来可视化块。
本地安装 ⚙️
要运行RAGxplorer，请确保已安装Python，然后安装必要的依赖项：
pip install -r requirements-local-deployment.txt提示
⚠️ 不要使用requirements.txt。那是为了免费的streamlit部署能够运行。该文件包括额外的pysqlite3-binary依赖。
⚠️ 如果对故障排除有帮助，该应用程序是使用Python 3.11构建的。
使用 🏎️
1.设置OPENAI_API_KEY（必需）和NYSCALE_API_KEY（如果您需要anyscale）。复制.streamlit/secrets.example.toml文件到.streamlit/secrets.toml并填写值。
2.要启动应用程序，请运行：
streamlit run app.py3.您可能需要注释掉/移除app.py中的第5-7行。
import('pysqlite3')
import sys
sys.modules['sqlite3'] = sys.modules.pop('pysqlite3')注意
这个仓库目前链接到streamlit演示，并且这些行是由于免费streamlit部署环境中的运行时添加的。参见这里[1].
引用
更多信息请参考：https://github.com/gabrielchua/RAGxplorer
References
[1] https://github.com/gabrielchua/RAGxplorer