Simba: 문서 정리를 위한 지식 관리 시스템으로, 모든 RAG 시스템에 원활하게 통합됩니다.

773 0

일반 소개

Simba는 모든 검색 증강 생성(RAG) 시스템과 원활하게 통합되도록 설계된 휴대용 지식 관리 시스템(KMS)입니다. GitHub 사용자 GitHamza0206이 만든 이 프로젝트는 다양한 애플리케이션 시나리오를 위한 효율적인 지식 관리 솔루션을 제공하며, 지식 관리 프로세스를 간소화하고 정보 검색 및 생성의 정확성과 효율성을 개선하는 것을 목표로 설계되었습니다. RAG 시스템과의 통합을 통해 Simba는 복잡한 데이터를 처리하고 콘텐츠를 생성하는 데 강력한 지원을 제공할 수 있습니다.

기능 목록

지식 관리지식의 저장, 분류 및 검색을 지원하는 포괄적인 지식 관리 기능을 제공합니다.
RAG 시스템 통합검색 고도화 생성 시스템과의 원활한 통합을 통해 정보 생성의 정확성을 향상시킵니다.
휴대성쉽게 배포하고 사용할 수 있는 휴대용 시스템으로 설계되었습니다.
오픈 소스 프로젝트오픈 소스 프로젝트이므로 사용자는 소스 코드에 자유롭게 액세스하고 사용자 정의할 수 있습니다.
효율적인 검색필요한 지식을 빠르게 찾을 수 있도록 정보 검색을 최적화했습니다.
사용자 친화적인 인터페이스: 직관적인 사용자 인터페이스를 제공하여 작업 프로세스를 간소화합니다.

도움말 사용

설치 프로세스

클론 창고먼저 Git 명령을 사용하여 Simba 프로젝트의 GitHub 리포지토리를 복제합니다.

   git clone https://github.com/GitHamza0206/simba.git

종속성 설치프로젝트 디렉토리로 이동하여 필요한 종속성 패키지를 설치합니다.

   cd simba

지역 개발

백엔드 설정::

백엔드 디렉토리로 이동합니다:

 cd backend

운영 체제에 Redis가 설치되어 있는지 확인합니다:

 redis-server

환경 변수 설정하기:

 cp .env.example .env

그런 다음 .env 파일을 편집하고 값을 입력합니다:

 OPENAI_API_KEY=""
LANGCHAIN_TRACING_V2= #(optional - for langsmith tracing)
LANGCHAIN_API_KEY="" #(optional - for langsmith tracing)
REDIS_HOST=redis
CELERY_BROKER_URL=redis://redis:6379/0
CELERY_RESULT_BACKEND=redis://redis:6379/1

종속성을 설치합니다:

 poetry install
poetry shell

또는 Mac/Linux에서:

 source .venv/bin/activate

Windows에서:

 .venv\Scripts\activate

백엔드 서비스를 실행합니다:

 python main.py

또는 자동 새로 고침을 사용하세요:

 uvicorn main:app --reload

그런 다음 다음으로 이동합니다.http://0.0.0.0:8000/docs스웨거 UI에 액세스(선택 사항).

셀러리를 사용하여 구문 분석기를 실행합니다:

 celery -A tasks.parsing_tasks worker --loglevel=info

필요에 따라 수정config.yaml문서화:

 project:
name: "Simba"
version: "1.0.0"
api_version: "/api/v1"
paths:
base_dir: null  # Will be set programmatically
markdown_dir: "markdown"
faiss_index_dir: "vector_stores/faiss_index"
vector_store_dir: "vector_stores"
llm:
provider: "openai" #or ollama (vllm coming soon)
model_name: "gpt-4o" #or ollama model name
temperature: 0.0
max_tokens: null
streaming: true
additional_params: {}
embedding:
provider: "huggingface" #or openai
model_name: "BAAI/bge-base-en-v1.5" #or any HF model name
device: "cpu"  # mps,cuda,cpu
additional_params: {}
vector_store:
provider: "faiss"
collection_name: "migi_collection"
additional_params: {}
chunking:
chunk_size: 512
chunk_overlap: 200
retrieval:
k: 5 #number of chunks to retrieve
features:
enable_parsers: true  # Set to false to disable parsing
celery:
broker_url: ${CELERY_BROKER_URL:-redis://redis:6379/0}
result_backend: ${CELERY_RESULT_BACKEND:-redis://redis:6379/1}

프런트엔드 설정::
- Simba 루트 디렉토리에 있는지 확인하세요: bash cd frontend
- 종속성을 설치합니다: bash npm install
- 프런트엔드 서비스를 실행합니다: bash npm run dev 그런 다음 다음으로 이동합니다.http://localhost:5173프런트엔드 인터페이스에 액세스합니다.

Docker로 부팅(권장)

Simba 루트 디렉토리로 이동합니다:

   export OPENAI_API_KEY="" #(optional)
docker-compose up --build

프로젝트 구조

simba/
├── backend/              # 核心处理引擎
│   ├── api/              # FastAPI端点
│   ├── services/         # 文档处理逻辑
│   ├── tasks/            # Celery任务定义
│   └── models/           # Pydantic数据模型
├── frontend/             # 基于React的UI
│   ├── public/           # 静态资源
│   └── src/              # React组件
├── docker-compose.yml    # 开发环境
└── docker-compose.prod.yml # 生产环境设置