Spaces:
Sleeping
Sleeping
File size: 2,517 Bytes
6046754 fea4ff8 6046754 fea4ff8 6046754 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 506d8f8 fea4ff8 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 | ---
app_file: app.py
colorFrom: indigo
colorTo: blue
emoji: 馃
pinned: false
sdk: gradio
sdk_version: 6.9.0
title: RAG QA System
---
## 馃搶 Descripci贸n del proyecto
Este proyecto implementa un sistema de preguntas y respuestas basado en
la t茅cnica **RAG (Retrieval-Augmented Generation)**.
El sistema permite al usuario hacer preguntas en ingl茅s sobre una base
de conocimiento (documents.json), y genera respuestas utilizando modelos
de inteligencia artificial.
El proyecto incluye:
- Un motor RAG (rag_engine.py)
- Una interfaz web interactiva con Gradio (app.py)
- Una base de conocimiento en formato JSON
- Acceso mediante API
------------------------------------------------------------------------
## 鈿欙笍 Tecnolog铆as utilizadas
- Python
- Transformers (HuggingFace)
- Sentence Transformers
- Scikit-learn
- Gradio
Modelos utilizados:
- Embeddings: `MongoDB/mdbr-leaf-ir`
- LLM: `PleIAs/Pleias-RAG-350M`
------------------------------------------------------------------------
## 馃 驴C贸mo funciona el sistema?
El sistema sigue estos pasos:
1. El usuario introduce una pregunta
2. Se convierte la pregunta en un embedding (vector)
3. Se comparan los embeddings con los documentos
4. Se seleccionan los documentos m谩s relevantes
5. Se construye un prompt con contexto
6. El modelo genera una respuesta basada en ese contexto
------------------------------------------------------------------------
## 馃搨 Estructura del proyecto
app.py
rag_engine.py
documents.json
requirements.txt
tests/
test_api.py
------------------------------------------------------------------------
## 馃殌 Instalaci贸n
1. Clonar el repositorio o descargar los archivos
2. Instalar dependencias:
``` bash
pip install -r requirements.txt
```
------------------------------------------------------------------------
## 鈻讹笍 Ejecuci贸n
``` bash
python app.py
```
Abrir en navegador:
http://127.0.0.1:7860
------------------------------------------------------------------------
## 馃寪 Despliegue
La aplicaci贸n est谩 desplegada en Hugging Face Spaces:
https://morenomp-python-huggingface.hf.space
------------------------------------------------------------------------
## 馃攲 Uso de la API
``` python
from gradio_client import Client
client = Client("https://morenomp-python-huggingface.hf.space")
result = client.predict(
query="Where is the hospital?",
top_k=2,
umbral=0.5,
api_name="/ask"
)
print(result)
``` |