基于 Langchain 和 Streamlit，构建多 PDF RAG 聊天机器人

与 PDF 互动是很酷的。你可以与你的笔记、书籍和文档等进行聊天。

本文将帮助你构建一个基于 Multi RAG Streamlit 的 Web 应用程序，通过对话 AI 聊天机器人来读取、处理和互动PDF数据。

以下是该应用程序的工作步骤，用简单的语言进行说明。

配置必要的工具

该应用程序首先导入了各种强大的库：

• Streamlit：用于创建Web界面。

• PyPDF2：用于读取PDF文件的工具。

• Langchain：用于自然语言处理和创建对话AI的一套工具。

• FAISS：用于高效相似性搜索的向量库，在大数据集中快速查找信息非常有用。

import streamlit as st   from PyPDF2 import PdfReader   from langchain.text_splitter import RecursiveCharacterTextSplitter   from langchain_core.prompts import ChatPromptTemplate   from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings   from langchain_community.vectorstores import FAISS   from langchain.tools.retriever import create_retriever_tool   from dotenv import load_dotenv   from langchain_anthropic import ChatAnthropic   from langchain_openai import ChatOpenAI, OpenAIEmbeddings   from langchain.agents import AgentExecutor, create_tool_calling_agent      import os   os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"   

读取和处理PDF文件

应用程序的第一个主要功能是读取PDF文件：

• PDF阅读器：当用户上传一个或多个PDF文件时，应用程序读取这些文档的每一页并提取文本，将其合并为一个连续的字符串。

一旦提取文本，它将被分割成可管理的块：

• 文本分割器：使用Langchain库，将文本分割成每块1000个字符。这种分割有助于更高效地处理和分析文本。

def pdf_read(pdf_doc):       text = ""       for pdf in pdf_doc:           pdf_reader = PdfReader(pdf)           for page in pdf_reader.pages:               text += page.extract_text()       return text      def get_chunks(text):       text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)       chunks = text_splitter.split_text(text)       return chunks   

创建可搜索的文本数据库和生成嵌入

为了使文本可搜索，应用程序将文本块转换为向量表示：

• 向量存储：应用程序使用FAISS库将文本块转换为向量，并将这些向量本地保存。这一转换至关重要，因为它允许系统在文本中执行快速高效的搜索。

embeddings = SpacyEmbeddings(model_name="en_core_web_sm")      def vector_store(text_chunks):       vector_store = FAISS.from_texts(text_chunks, embedding=embeddings)       vector_store.save_local("faiss_db")   

设置对话AI

该应用程序的核心是对话AI，它使用OpenAI的强大模型：

• AI配置：应用程序使用OpenAI的GPT模型设置对话AI。这个AI设计用于回答基于已处理的PDF内容的问题。

• 对话链：AI使用一组提示来理解上下文并为用户查询提供准确的响应。如果文本中没有问题的答案，AI会回复“答案不在上下文中”，确保用户不会收到错误信息。

def get_conversational_chain(tools, ques):       llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0, api_key="")       prompt = ChatPromptTemplate.from_messages([           ("system", "You are a helpful assistant. Answer the question as detailed as possible from the provided context, make sure to provide all the details, if the answer is not in provided context just say, 'answer is not available in the context', don't provide the wrong answer"),           ("placeholder", "{chat_history}"),           ("human", "{input}"),           ("placeholder", "{agent_scratchpad}"),       ])       tool = [tools]       agent = create_tool_calling_agent(llm, tool, prompt)       agent_executor = AgentExecutor(agent=agent, tools=tool, verbose=True)       response = agent_executor.invoke({"input": ques})       print(response)       st.write("Reply: ", response['output'])      def user_input(user_question):       new_db = FAISS.load_local("faiss_db", embeddings, allow_dangerous_deserialization=True)       retriever = new_db.as_retriever()       retrieval_chain = create_retriever_tool(retriever, "pdf_extractor", "This tool is to give answer to queries from the pdf")       get_conversational_chain(retrieval_chain, user_question)   

用户互动

在后端准备就绪后，应用程序使用Streamlit创建一个用户友好的界面：

• 用户界面：用户看到一个简单的文本输入框，他们可以在其中输入与PDF内容相关的问题。应用程序会直接在网页上显示AI的响应。

• 文件上传和处理：用户可以随时上传新的PDF文件。应用程序会即时处理这些文件，更新AI搜索的新文本数据库。

def main():       st.set_page_config("Chat PDF")       st.header("RAG based Chat with PDF")       user_question = st.text_input("Ask a Question from the PDF Files")       if user_question:           user_input(user_question)       with st.sidebar:           pdf_doc = st.file_uploader("Upload your PDF Files and Click on the Submit & Process Button", accept_multiple_files=True)           if st.button("Submit & Process"):               with st.spinner("Processing..."):                   raw_text = pdf_read(pdf_doc)                   text_chunks = get_chunks(raw_text)                   vector_store(text_chunks)                   st.success("Done")   

结论

完整代码

import streamlit as st   from PyPDF2 import PdfReader   from langchain.text_splitter import RecursiveCharacterTextSplitter   from langchain_core.prompts import ChatPromptTemplate   from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings   from langchain_community.vectorstores import FAISS   from langchain.tools.retriever import create_retriever_tool   from dotenv import load_dotenv   from langchain_anthropic import ChatAnthropic   from langchain_openai import ChatOpenAI, OpenAIEmbeddings   from langchain.agents import AgentExecutor, create_tool_calling_agent      import os   os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"      embeddings = SpacyEmbeddings(model_name="en_core_web_sm")   def pdf_read(pdf_doc):       text = ""       for pdf in pdf_doc:           pdf_reader = PdfReader(pdf)           for page in pdf_reader.pages:               text += page.extract_text()       return text            def get_chunks(text):       text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)       chunks = text_splitter.split_text(text)       return chunks         def vector_store(text_chunks):              vector_store = FAISS.from_texts(text_chunks, embedding=embeddings)       vector_store.save_local("faiss_db")         def get_conversational_chain(tools,ques):       #os.environ["ANTHROPIC_API_KEY"]=os.getenv["ANTHROPIC_API_KEY"]       #llm = ChatAnthropic(model="claude-3-sonnet-20240229", temperature=0, api_key=os.getenv("ANTHROPIC_API_KEY"),verbose=True)       llm = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0, api_key="")       prompt = ChatPromptTemplate.from_messages(       [           (               "system",               """You are a helpful assistant. Answer the question as detailed as possible from the provided context, make sure to provide all the details, if the answer is not in       provided context just say, "answer is not available in the context", don't provide the wrong answer""",           ),           ("placeholder", "{chat_history}"),           ("human", "{input}"),           ("placeholder", "{agent_scratchpad}"),       ]   )       tool=[tools]       agent = create_tool_calling_agent(llm, tool, prompt)          agent_executor = AgentExecutor(agent=agent, tools=tool, verbose=True)       response=agent_executor.invoke({"input": ques})       print(response)       st.write("Reply: ", response['output'])            def user_input(user_question):                            new_db = FAISS.load_local("faiss_db", embeddings,allow_dangerous_deserialization=True)              retriever=new_db.as_retriever()       retrieval_chain= create_retriever_tool(retriever,"pdf_extractor","This tool is to give answer to queries from the pdf")       get_conversational_chain(retrieval_chain,user_question)                  def main():       st.set_page_config("Chat PDF")       st.header("RAG based Chat with PDF")          user_question = st.text_input("Ask a Question from the PDF Files")          if user_question:           user_input(user_question)          with st.sidebar:           st.title("Menu:")           pdf_doc = st.file_uploader("Upload your PDF Files and Click on the Submit & Process Button", accept_multiple_files=True)           if st.button("Submit & Process"):               with st.spinner("Processing..."):                   raw_text = pdf_read(pdf_doc)                   text_chunks = get_chunks(raw_text)                   vector_store(text_chunks)                   st.success("Done")      if __name__ == "__main__":       main()   

通过将应用程序保存为 app.py，然后使用

streamlit run app.py   

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】