| Name | rag-lib JSON |
| Version |
0.1.0
JSON |
| download |
| home_page | None |
| Summary | Modular library for implementing Retrieval-Augmented Generation (RAG) pipelines. |
| upload_time | 2024-11-25 01:24:44 |
| maintainer | None |
| docs_url | None |
| author | None |
| requires_python | <4.0,>=3.11 |
| license | MIT |
| keywords |
|
| VCS |
|
| bugtrack_url |
|
| requirements |
No requirements were recorded.
|
| Travis-CI |
No Travis.
|
| coveralls test coverage |
No coveralls.
|
# rag_lib
`rag_lib` — это библиотека для построения Retrieval-Augmented Generation (RAG) пайплайнов. Она предоставляет набор модулей для обработки данных, работы с языковыми моделями, генерации ответов и управления всем процессом.
## Возможности
- **Answer Generation:** Модуль генерации ответов, основанный на встроенных моделях.
- **Chunker:** Разделение данных на блоки для дальнейшей обработки.
- **Clearer:** Очистка данных и приведение их к стандартному формату.
- **Converter:** Преобразование данных между форматами.
- **Embedding:** Генерация эмбеддингов для текста с использованием моделей.
- **Indexer:** Индексация данных для эффективного поиска.
- **LLM:** Взаимодействие с крупными языковыми моделями (LLM).
- **Pipeline:** Управление RAG-пайплайнами и их автоматизация.
- **Prompt Augmentation:** Улучшение подсказок (prompts) для взаимодействия с LLM.
- **Retriever:** Извлечение данных, релевантных запросу.
## Установка
Для использования библиотеки добавьте её в ваш проект через PyPI:
```bash
pip install rag_lib
Raw data
{
"_id": null,
"home_page": null,
"name": "rag-lib",
"maintainer": null,
"docs_url": null,
"requires_python": "<4.0,>=3.11",
"maintainer_email": null,
"keywords": null,
"author": "None",
"author_email": null,
"download_url": "https://files.pythonhosted.org/packages/da/2c/0a4ac466d9ddb58d8d1f5c0d51a9e558ba7dc7e3cc047b1b0ae5be8f28c8/rag_lib-0.1.0.tar.gz",
"platform": null,
"description": "# rag_lib\n\n`rag_lib` \u2014 \u044d\u0442\u043e \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0430 \u0434\u043b\u044f \u043f\u043e\u0441\u0442\u0440\u043e\u0435\u043d\u0438\u044f Retrieval-Augmented Generation (RAG) \u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u043e\u0432. \u041e\u043d\u0430 \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u043d\u0430\u0431\u043e\u0440 \u043c\u043e\u0434\u0443\u043b\u0435\u0439 \u0434\u043b\u044f \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438 \u0434\u0430\u043d\u043d\u044b\u0445, \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u044f\u0437\u044b\u043a\u043e\u0432\u044b\u043c\u0438 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438, \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043e\u0442\u0432\u0435\u0442\u043e\u0432 \u0438 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0432\u0441\u0435\u043c \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u043c.\n\n## \u0412\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u0438\n\n- **Answer Generation:** \u041c\u043e\u0434\u0443\u043b\u044c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043e\u0442\u0432\u0435\u0442\u043e\u0432, \u043e\u0441\u043d\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u043d\u0430 \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445.\n- **Chunker:** \u0420\u0430\u0437\u0434\u0435\u043b\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u043d\u0430 \u0431\u043b\u043e\u043a\u0438 \u0434\u043b\u044f \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0435\u0439 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0438.\n- **Clearer:** \u041e\u0447\u0438\u0441\u0442\u043a\u0430 \u0434\u0430\u043d\u043d\u044b\u0445 \u0438 \u043f\u0440\u0438\u0432\u0435\u0434\u0435\u043d\u0438\u0435 \u0438\u0445 \u043a \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u043e\u043c\u0443 \u0444\u043e\u0440\u043c\u0430\u0442\u0443.\n- **Converter:** \u041f\u0440\u0435\u043e\u0431\u0440\u0430\u0437\u043e\u0432\u0430\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u043c\u0435\u0436\u0434\u0443 \u0444\u043e\u0440\u043c\u0430\u0442\u0430\u043c\u0438.\n- **Embedding:** \u0413\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u043e\u0432 \u0434\u043b\u044f \u0442\u0435\u043a\u0441\u0442\u0430 \u0441 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u0435\u0439.\n- **Indexer:** \u0418\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u043f\u043e\u0438\u0441\u043a\u0430.\n- **LLM:** \u0412\u0437\u0430\u0438\u043c\u043e\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0441 \u043a\u0440\u0443\u043f\u043d\u044b\u043c\u0438 \u044f\u0437\u044b\u043a\u043e\u0432\u044b\u043c\u0438 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438 (LLM).\n- **Pipeline:** \u0423\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 RAG-\u043f\u0430\u0439\u043f\u043b\u0430\u0439\u043d\u0430\u043c\u0438 \u0438 \u0438\u0445 \u0430\u0432\u0442\u043e\u043c\u0430\u0442\u0438\u0437\u0430\u0446\u0438\u044f.\n- **Prompt Augmentation:** \u0423\u043b\u0443\u0447\u0448\u0435\u043d\u0438\u0435 \u043f\u043e\u0434\u0441\u043a\u0430\u0437\u043e\u043a (prompts) \u0434\u043b\u044f \u0432\u0437\u0430\u0438\u043c\u043e\u0434\u0435\u0439\u0441\u0442\u0432\u0438\u044f \u0441 LLM.\n- **Retriever:** \u0418\u0437\u0432\u043b\u0435\u0447\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445, \u0440\u0435\u043b\u0435\u0432\u0430\u043d\u0442\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u0443.\n\n## \u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0430\n\n\u0414\u043b\u044f \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u044f \u0431\u0438\u0431\u043b\u0438\u043e\u0442\u0435\u043a\u0438 \u0434\u043e\u0431\u0430\u0432\u044c\u0442\u0435 \u0435\u0451 \u0432 \u0432\u0430\u0448 \u043f\u0440\u043e\u0435\u043a\u0442 \u0447\u0435\u0440\u0435\u0437 PyPI:\n\n```bash\npip install rag_lib\n",
"bugtrack_url": null,
"license": "MIT",
"summary": "Modular library for implementing Retrieval-Augmented Generation (RAG) pipelines.",
"version": "0.1.0",
"project_urls": null,
"split_keywords": [],
"urls": [
{
"comment_text": "",
"digests": {
"blake2b_256": "8580203e0128157692625be8424f6a52fa0e0e703684d467a414a46ec8a0ed33",
"md5": "4b164d27a42c98fd457cf7ada9c621da",
"sha256": "51b39933f1d8a6572ab014b7d281d6bcc50e9bd442fa3550bf3edb145474b183"
},
"downloads": -1,
"filename": "rag_lib-0.1.0-py3-none-any.whl",
"has_sig": false,
"md5_digest": "4b164d27a42c98fd457cf7ada9c621da",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": "<4.0,>=3.11",
"size": 13001,
"upload_time": "2024-11-25T01:24:42",
"upload_time_iso_8601": "2024-11-25T01:24:42.226982Z",
"url": "https://files.pythonhosted.org/packages/85/80/203e0128157692625be8424f6a52fa0e0e703684d467a414a46ec8a0ed33/rag_lib-0.1.0-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": "",
"digests": {
"blake2b_256": "da2c0a4ac466d9ddb58d8d1f5c0d51a9e558ba7dc7e3cc047b1b0ae5be8f28c8",
"md5": "b3420404c1c469e5d479b21f63468985",
"sha256": "f0275926ef67db05814b33842f3084e4b3e7badde899e9b34eae3f2209a6c2af"
},
"downloads": -1,
"filename": "rag_lib-0.1.0.tar.gz",
"has_sig": false,
"md5_digest": "b3420404c1c469e5d479b21f63468985",
"packagetype": "sdist",
"python_version": "source",
"requires_python": "<4.0,>=3.11",
"size": 6799,
"upload_time": "2024-11-25T01:24:44",
"upload_time_iso_8601": "2024-11-25T01:24:44.006060Z",
"url": "https://files.pythonhosted.org/packages/da/2c/0a4ac466d9ddb58d8d1f5c0d51a9e558ba7dc7e3cc047b1b0ae5be8f28c8/rag_lib-0.1.0.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2024-11-25 01:24:44",
"github": false,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"lcname": "rag-lib"
}
