https://github.com/whybe-choi/advanced-rag-project

Advanced Dr.KHU using LlamaIndex 🦙
https://github.com/whybe-choi/advanced-rag-project

cohere fastapi llama-index playwright-python streamlit

Last synced: 3 months ago
JSON representation

Advanced Dr.KHU using LlamaIndex 🦙

• Host: GitHub
• URL: https://github.com/whybe-choi/advanced-rag-project
• Owner: whybe-choi
• License: mit
• Created: 2024-06-04T08:45:37.000Z (about 1 year ago)
• Default Branch: main
• Last Pushed: 2024-06-19T01:59:22.000Z (about 1 year ago)
• Last Synced: 2024-10-06T08:44:13.385Z (9 months ago)
• Topics: cohere, fastapi, llama-index, playwright-python, streamlit
• Language: Python
• Homepage:
• Size: 49 MB
• Stars: 0
• Watchers: 2
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# Dr.KHU : 의료 상담 챗봇 🤖



Advanced Dr.KHU using LlamaIndex 🦙






## Introduction

아래의 이미지는 [Medium - Corca : LLM Multi Agent: Customer Service를 기깔나게 자동화하는 방법](https://medium.com/corca/llm-multi-agent-customer-service%EB%A5%BC-%EA%B8%B0%EA%B9%94%EB%82%98%EA%B2%8C-%EC%9E%90%EB%8F%99%ED%99%94%ED%95%98%EB%8A%94-%EB%B0%A9%EB%B2%95-2eaec7654385)에서 발췌한 이미지입니다. 해당 이미지와 동일한 기능을 하도록 코드를 개선하고 있는 중입니다.







> 1. Leader Agent가 Key Point Analyzer Agent에게 복잡한 질문을 간단한 여러 개의 Sub-question으로 나눠달라고 요청합니다.

> 2. Leader Agent가 Sub-question 목록을 받으면 각각의 Sub-question에 대하여 Question Answerer Agent을 생성하고 답해달라고 요청합니다.

> 3. 이때 Question Answerer Agent는 각 Sub-question에 필요한 정보를 Vector Store에서 찾아와서 이를 참고하여 답합니다.

> 4. Leader Agent는 각각의 Sub-Question에 대한 답을 합하여 사용자 질의에 대한 답을 생성하고, Reviewer Agent에게 검토해달라고 요청합니다.

> 5. Reviewer Agent는 Leader Agent로부터 전달받은 답변에 대한 피드백을 말합니다. Leader Agent는 그 피드백을 반영하여 최종 답변을 생성한 후 사용자에게 전달합니다.

## How to use

1. 가상환경 설정

```shell

git clone https://github.com/whybe-choi/advanced-rag-project.git

cd advanced-rag-project

python -m venv venv

source venv/bin/activate

```

2. playwright 설치

```shell

playwright install

```

3. 라이브러리 설치

```shell

pip install -r requirements.txt

```

4. 데이터 크롤링

```shell

python crawling_faq.py

```

5. ChromaDB 생성

```shell

python upload.py

```

6. `.env.example`을 `.env`로 바꾸고 `CO_API_KEY` 입력

```text

CO_API_KEY=your-api-key

```

7. streamlit 실행

```shell

streamlit run app.py

```