RAG Project - Retrieval-Augmented Generation

Un projet RAG (Retrieval-Augmented Generation) utilisant LangChain et ChromaDB pour la recherche sémantique de documents.

Structure du projet

Rag_project/
├── app/
│   ├── api/           # Endpoints API FastAPI
│   │   └── routes.py  # Routes de l'API
│   ├── data/          # Gestion des documents
│   │   └── documents.py
│   ├── rag/           # Logique RAG
│   │   └── retriever.py
│   └── main.py        # Point d'entrée principal
├── db/                # Base de données vectorielle ChromaDB
├── tests/             # Tests unitaires
│   └── test_rag.py
├── main.py            # Script de démonstration original
├── requirements.txt   # Dépendances Python
└── README.md         # Ce fichier

Installation

1. Créer et activer l'environnement virtuel :

python -m venv venv
source venv/bin/activate  # Linux/Mac
# ou
venv\Scripts\activate     # Windows

2. Installer les dépendances :

pip install -r requirements.txt

Utilisation

Interface en ligne de commande

python app/main.py

Cette commande lance une interface interactive pour tester la recherche RAG.

API REST

python -m uvicorn app.api.routes:app --reload

L'API sera disponible sur http://localhost:8000

Endpoints disponibles

• GET / - Message de bienvenue
• POST /search - Recherche de documents similaires

  {
    "query": "votre recherche",
    "k": 3
  }

• GET /health - Vérification de santé

Script de démonstration original

python main.py

Fonctionnalités

• Recherche sémantique : Utilise des embeddings pour trouver des documents similaires
• Base vectorielle persistante : ChromaDB pour stocker et récupérer efficacement les documents
• API REST : Interface FastAPI pour l'intégration dans d'autres applications
• Tests unitaires : Validation du fonctionnement du système
• Structure modulaire : Code organisé et maintenable

Configuration

Le système utilise par défaut :

• Modèle d'embeddings : all-MiniLM-L6-v2
• Base de données : ChromaDB dans le dossier db/
• Nombre de résultats par défaut : 3

Tests

python -m pytest tests/
# ou
python tests/test_rag.py

Développement

Pour ajouter de nouveaux documents :

1. Modifiez app/data/documents.py
2. Ajoutez vos documents dans la fonction get_medical_documents()
3. Relancez l'application

Technologies utilisées

• LangChain : Framework pour les applications RAG
• ChromaDB : Base de données vectorielle
• FastAPI : Framework API REST
• HuggingFace Transformers : Modèles d'embeddings
• Python 3.12+ : Langage principal