Streamlit RAG Asistanı

Bu proje, Streamlit tabanlı RAG asistanıdır. Asistan, PDF'lerden alınan bilgilere dayanarak yanıtlar üretmek için bir LLM kullanır.

Teknik Detaylar

• Vektör Veritabanı (Vector Database): Dokümanların anlamsal içeriğini depolamak ve verimli bir şekilde aramak için ChromaDB kullanılmaktadır. Kullanıcının sorgusuyla en alakalı metin parçalarını bulmak için vektör gömülmeleri (vector embeddings) üzerinde benzerlik araması yapar.
• RAG Pipeline: LangChain kütüphanesi, PDF işleme, metin bölme (text splitting), gömülme (embedding) oluşturma ve LLM ile etkileşim gibi RAG akışının temel adımlarını yönetmek için kullanılır.
• Kullanıcı Arayüzü (UI): Arayüz, hızla etkileşimli veri uygulamaları oluşturmak için popüler bir Python kütüphanesi olan Streamlit ile geliştirilmiştir.
• Dil Modeli (LLM): Yanıtların üretilmesi için Together AI tarafından sağlanan bir dil modeli entegre edilmiştir.

Özellikler

• PDF İşleme: İşlenmek ve dizine eklenmek üzere bir veya daha fazla PDF dosyası yükleyin.
• Anlamsal Arama: Soruları doğal dilde sorun ve belgelerden ilgili bağlamı alın.
• Sohbet Yapay Zekası: PDF içeriğine dayalı olarak sorularınızı yanıtlayan bir yapay zeka asistanı ile etkileşim kurun.
• Kaynak Gösterimi: Yanıtı oluşturmak için kullanılan PDF kaynaklarını görüntüleyin.

Başlarken

Gereksinimler

• Python 3.8+
• Together AI veya başka bir LLM sağlayıcısından bir API anahtarı.

Kurulum

1. Depoyu klonlayın:

   git clone https://github.com/kullanici-adiniz/Streamlit-RAG-Assistant.git
   cd Streamlit-RAG-Assistant

   Not: kullanici-adiniz kısmını kendi GitHub kullanıcı adınızla güncellemeyi unutmayın.

2. Sanal bir ortam oluşturun ve etkinleştirin:

   python -m venv venv
   source venv/bin/activate
   # Windows'ta `venv\Scripts\activate` komutunu kullanın.

3. Bağımlılıkları yükleyin:

   pip install -r requirements.txt

4. Ortam değişkenlerinizi ayarlayın:

   Projenin kök dizininde .env adında bir dosya oluşturun ve Together AI API anahtarınızı ekleyin:

   TOGETHER_API_KEY="api_anahtariniz_buraya_gelecek"
   

Uygulamayı Çalıştırma

1. PDF dosyalarınızı files klasörüne yerleştirin.

2. Streamlit uygulamasını çalıştırın:

   streamlit run src/main.py

3. Web tarayıcınızı açın ve http://localhost:8501 adresine gidin.