AutoRAG

RAG自动机器学习工具，可自动为您的数据找到最优的RAG流程。

浏览我们的 📖 文档!!

另外，加入我们的 📞 Discord 社区。

💪 Colab 教程

第1步：AutoRAG基础 | 优化您的RAG流程

🚨 YouTube 教程

https://github.com/Marker-Inc-Korea/AutoRAG/assets/96727832/c0d23896-40c0-479f-a17b-aa2ec3183a26

默认静音，启用声音以听旁白

您可以在 YouTube 上观看

☎️ 常见问题

🛣️ 支持计划 & 路线图

💻 硬件规格

⭐ 运行 AutoRAG

🍯 提示/技巧

☎️ 故障排除

😁 简介

市面上有很多RAG流程和模块，但您不知道哪个流程最适合"您自己的数据"和"您自己的用例"。制作和评估所有RAG模块非常耗时且难以完成。但如果不这样做，您永远不会知道哪个RAG流程最适合您自己的用例。

AutoRAG是一个用于为"您的数据"找到最佳RAG流程的工具。您可以使用自己的评估数据自动评估各种RAG模块，并为您自己的用例找到最佳的RAG流程。

AutoRAG支持一种简单的方法来评估许多RAG模块组合。立即尝试并为您自己的用例找到最佳的RAG流程。

📌 AutoRAG 结构

❗支持的节点 & 模块

模块_1 模块_2 您可以在这里查看我们所有支持的节点和模块

❗支持的评估指标

您可以在这里查看我们所有支持的评估指标

⚡ 快速安装

我们建议使用Python 3.9或更高版本来运行AutoRAG。

pip install AutoRAG

⚡ 快速开始

1. 准备您的评估数据

对于评估，您只需准备三个文件。

QA 数据集文件 (qa.parquet)
语料库 数据集文件 (corpus.parquet)
配置yaml文件 (config.yaml)

有一个用于AutoRAG的评估数据模板。

查看如何制作评估数据，请点击这里。
查看评估数据规则，请点击这里。
此外，您可以在这里获取用于测试AutoRAG的示例数据集。

2. 对各种RAG模块评估您的数据

您可以在这里获取各种配置yaml文件。对于初学者，我们强烈建议使用预制的配置yaml文件。

如果您想创建自己的配置yaml文件，请查看创建您自己的配置yaml文件部分。

您只需几行代码就可以评估您的RAG流程。

from autorag.evaluator import Evaluator
evaluator = Evaluator(qa_data_path='你的/qa.parquet路径', corpus_data_path='你的/corpus.parquet路径')
evaluator.start_trial('你的/config.yaml路径')

或者你可以使用命令行界面

autorag evaluate --config 你的/default_config.yaml路径 --qa_data_path 你的/qa.parquet路径 --corpus_data_path 你的/corpus.parquet路径

完成后，你可以在当前目录看到创建的几个文件和文件夹。在名为数字（如0）的试验文件夹中，你可以查看summary.csv文件，它总结了评估结果和适合你数据的最佳RAG流程。

要了解更多细节，你可以在这里查看文件夹结构的样子。

3. 使用找到的最优RAG流程

你可以立即使用找到的最优RAG流程。只需几行代码，你就可以开始使用了！

首先，你需要从评估的试验文件夹中构建流程yaml文件。你可以在当前目录中找到试验文件夹。只需查找名为'0'或其他数字的文件夹。

from autorag.deploy import Runner

runner = Runner.from_trial_folder('你的/试验文件夹路径')
runner.run('你的问题')

或者，你可以将此流程作为API服务器运行。你可以使用Python代码或CLI命令。在这里查看API端点。

from autorag.deploy import Runner

runner = Runner.from_trial_folder('你的/试验文件夹路径')
runner.run_api_server()

你可以使用CLI命令运行API服务器。

autorag run_api --config_path 你的/pipeline.yaml路径 --host 0.0.0.0 --port 8000

4. 运行仪表板

你可以运行仪表板轻松查看结果。

autorag dashboard --trial_dir /你的/试验目录路径

仪表板示例：

仪表板

5. 分享你的RAG流程

你可以从提取的流程yaml文件使用你的RAG流程。这个提取的流程非常适合与他人分享你的RAG流程。

你必须在项目文件夹中运行这个，该文件夹的data文件夹中包含数据，resources文件夹中包含用于检索的已摄取语料库。

from autorag.deploy import extract_best_config

pipeline_dict = extract_best_config(trial_path='你的/试验文件夹路径', output_path='你的/pipeline.yaml路径')

6. 部署你的最优RAG流程（用于测试）

6-1. 作为CLI运行

你可以使用提取的yaml文件立即使用找到的最优RAG流程。

from autorag.deploy import Runner

runner = Runner.from_yaml('你的/pipeline.yaml路径')
runner.run('你的问题')

6-2. 作为API服务器运行

你可以将此流程作为API服务器运行。

在这里查看API端点。

from autorag.deploy import Runner

runner = Runner.from_yaml('你的/pipeline.yaml路径')
runner.run_api_server()

autorag run_api --config_path 你的/pipeline.yaml路径 --host 0.0.0.0 --port 8000

6-3. 作为Web界面运行

你可以将此流程作为Web界面运行。

在这里查看Web界面。

autorag run_web --trial_path 你的/试验路径

Web界面示例：

⭐ Star历史 ⭐

✨ 贡献者 ✨

感谢这些优秀的人：

贡献

我们正在将AutoRAG作为开源项目开发。

因此，本项目欢迎贡献和建议。随时为这个项目做出贡献。

此外，请查看我们在这里的详细文档。