IRIS-RAG-Gen：由 IRIS 矢量搜索提供支持的个性化 ChatGPT RAG 应用程序（矢量.应用程序.个性化.支持.提供...）

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：

1. 输入OpenAI密钥。
2. 选择PDF或TXT文档。
3. 输入文档描述。
4. 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 RecursiveCharacterTextSplitter
from langchain.document_loaders import PyPDFLoader, TextLoader
from langchain_iris import IrisVector
from langchain_openai import OpenAIEmbeddings
from sqlalchemy import create_engine, text

class 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, metadata
FROM sqluser.rag_document2

智能问答流程：

1. 选择要查询的文档。
2. 输入问题。
3. 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 IRISVector
from langchain_openai import OpenAIEmbeddings, ChatOpenAI
from langchain.chains import ConversationChain
from langchain.chains.conversation.memory import ConversationSummaryMemory

class 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，更多请关注知识资源分享宝库其它相关文章！