AutoRAG - 零代码RAG系统

🤖 AutoRAG 是一个零代码的RAG（检索增强生成）系统，帮助您轻松构建基于文档的智能问答系统。

🎯 核心功能

• 📤 文档上传：支持多种格式文档上传（PDF、Word、TXT、Markdown等）
• 📊 自动分类：智能分类上传的文档
• 🔍 高效检索：基于向量数据库的快速检索
• 🤖 智能生成：结合LLM生成准确回答
• 📋 问答模板：提供多种预设问答模板
• ⚙️ 灵活配置：支持多种LLM模型和嵌入模型

🚀 快速开始

1. 克隆仓库

git clone https://github.com/your-username/AutoRAG.git
cd AutoRAG

2. 创建虚拟环境

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/Mac
python3 -m venv venv
source venv/bin/activate

3. 安装依赖

pip install -r requirements.txt

4. 配置环境变量

复制 .env.example 文件为 .env，并根据需要配置API密钥：

# Windows
copy .env.example .env

# Linux/Mac
cp .env.example .env

在 .env 文件中配置您的API密钥：

# OpenAI API Key (optional, for GPT models)
OPENAI_API_KEY=your-openai-api-key

# Anthropic API Key (optional, for Claude models)
ANTHROPIC_API_KEY=your-anthropic-api-key

5. 启动应用

streamlit run app.py

应用将在 http://localhost:8501 启动。

📖 使用指南

1. 上传文档

1. 点击左侧导航栏中的 "文档上传"
2. 选择要上传的文档（支持多个文件）
3. 点击 "开始处理文档"
4. 系统将自动处理文档并构建向量数据库

2. 智能问答

1. 点击左侧导航栏中的 "智能问答"
2. 选择适合的问答模板
3. 输入您的问题
4. 点击 "获取答案"
5. 系统将基于上传的文档生成回答

3. 系统设置

1. 点击左侧导航栏中的 "系统设置"
2. 配置API密钥
3. 选择LLM模型和嵌入模型
4. 点击 "保存设置"

🛠️ 技术栈

• 框架：Streamlit
• LLM集成：LangChain
• 向量数据库：ChromaDB
• 嵌入模型：HuggingFace、OpenAI、Anthropic
• 文档处理：PyPDF、python-docx、textract

📁 项目结构

AutoRAG/
├── app.py                 # 主应用入口
├── document_processor.py  # 文档处理模块
├── document_classifier.py # 文档分类模块
├── vector_db.py           # 向量数据库模块
├── rag_chain.py           # RAG链模块
├── requirements.txt       # 依赖列表
├── .env.example           # 环境变量示例
└── README.md              # 项目文档

🤝 贡献

欢迎提交Issue和Pull Request！

📄 许可证

MIT License

📞 联系方式

如有问题或建议，请通过GitHub Issues联系我们。