Adaptive-RAG 使用与启动教程

Adaptive-RAG 使用与启动教程

Adaptive-RAG 项目地址: https://gitcode.com/gh_mirrors/ad/Adaptive-RAG

1. 项目介绍

Adaptive-RAG 是一个新颖的自适应问答（QA）框架，它能够根据问题复杂度动态选择最合适的策略，适用于从最简单的到最复杂的检索增强大型语言模型（LLM）。该框架通过一个分类器来实现这一自适应选择过程，该分类器是一个较小的语言模型，用于预测输入查询的复杂度级别。

2. 项目快速启动

以下是快速启动 Adaptive-RAG 的步骤：

首先，创建一个 Conda 环境：

conda create -n adaptiverag python=3.8
conda activate adaptiverag

然后，安装所需的依赖：

pip install torch==1.13.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117
pip install -r requirements.txt

接下来，设置检索服务器：

wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.2-linux-x86_64.tar.gz
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.2-linux-x86_64.tar.gz.sha512
shasum -a 512 -c elasticsearch-7.10.2-linux-x86_64.tar.gz.sha512
tar -xzf elasticsearch-7.10.2-linux-x86_64.tar.gz
cd elasticsearch-7.10.2/
./bin/elasticsearch # 启动服务器
# pkill -f elasticsearch # 停止服务器

确保 Elasticsearch 服务器在端口 9200 上运行，然后启动检索服务器：

uvicorn serve:app --port 8000 --app-dir retriever_server

3. 应用案例和最佳实践

在设置好检索服务器之后，你可以使用以下步骤来训练和评估 Adaptive-RAG：

1. 准备数据集：根据项目说明，下载并处理所需的数据集。
2. 训练分类器：根据项目中的脚本，使用不同的数据集来训练分类器。
3. 评估 QA 性能：使用训练好的分类器，评估 Adaptive-RAG 的问答性能。

4. 典型生态项目

Adaptive-RAG 已经被集成到多个生态项目中，例如 LlamaIndex、LangChain 和 ReAct。这些项目利用 Adaptive-RAG 的能力来提升它们的问答和语言处理功能。

以上就是 Adaptive-RAG 的使用与启动教程。更多详细信息，请参考项目的官方文档和 GitHub 仓库。

Adaptive-RAG 项目地址: https://gitcode.com/gh_mirrors/ad/Adaptive-RAG