QAnything: sistema de perguntas e respostas da base de conhecimento local com fluxo de processamento de RAG altamente integrado

Ferramentas de IA mais recentesAtualizado há 8 meses Sharenet.ai

1.3K 0

Introdução geral ao QAnything

O QAnything (Question and Answer based on Anything) é um sistema local de perguntas e respostas de base de conhecimento lançado pela NetEase, que suporta todos os tipos de formatos de arquivos e bancos de dados e pode ser instalado e usado off-line. Ele é compatível com PDF, Word, PPT, XLS e outros formatos de documentos, suporta perguntas e respostas em vários idiomas e oferece suporte a perguntas e respostas com grande volume de dados, com alto desempenho, facilidade de uso, recursos de perguntas e respostas em várias bases de conhecimento e recursos de segurança de dados.

O sistema é baseado no mecanismo RAG (Retrieval Augmented Generation) de desenvolvimento próprio, que oferece serviços de Q&A eficientes e precisos. O QAnything é adequado para vários cenários, como gerenciamento de documentos internos, consultoria jurídica e serviços governamentais, para ajudar as empresas a aumentar a eficiência da aquisição de informações e da tomada de decisões.

Interface principal do QAnything

Interface de bate-papo do bot criada pela QAnything

Princípio QAnything

Benefícios gratuitos para membros do QAnything

Lista de funções

Suporta vários formatos de arquivo: PDF, Word, PPT, Excel, Markdown, TXT, imagens, etc.
Implementação local: não há necessidade de conexão com a Internet para uso, garantindo a segurança dos dados
Recuperação eficiente: com base no mecanismo RAG, oferece recuperação semântica de alta precisão
Fluxo de trabalho flexível: automatizando tarefas com agentes
Geração de conteúdo: gere esboços completos e conteúdo de artigos com base em referências
Personalização de cenários: otimização de modelos e pesquisas com base nas necessidades da empresa

Ajuda do QAnything

Requisitos do sistema: Linux com pelo menos 4 GB de memória de GPU, o sistema Windows requer subsistemas WSL
Como instalar: clonagem via git e execução dos scripts de inicialização
Como usar: o Q&A pode ser operado por meio do front-end da Web ou da interface de API
FAQ: Fornece respostas às perguntas mais frequentes
Suporte técnico: fornecer suporte à comunidade e serviços de consultoria de e-mail para desenvolvedores

Processo de instalação

Baixar o QAnything: AcessoGitHubpara fazer download da versão mais recente do QAnything.
Preparação ambientalVerifique se o Docker e o Docker Compose estão instalados em seu sistema.
Extração da base de códigoExecutar no terminalgit clone https://github.com/netease-youdao/QAnything.gitComando.
Vá para o diretório do projeto: Implementaçãocd QAnythingVá para o diretório raiz do projeto.
Início dos serviços: Implementaçãodocker-compose up -dpara iniciar o serviço QAnything.

Processo de uso

Carregamento de arquivosCarregar arquivos para serem analisados por meio da interface do QAnything, que é compatível com PDF, Word, PPT, Excel e muitos outros formatos.
Pesquisar perguntas e respostasDigite uma pergunta na caixa de pesquisa e o QAnything recuperará e gerará uma resposta com base no conteúdo do arquivo carregado.
Exibir resultadosO sistema exibe respostas e referências relevantes, nas quais o usuário pode clicar para ver os detalhes.
Geração de conteúdoOs usuários podem optar por gerar esboços ou artigos, e o sistema gerará automaticamente o conteúdo com base nas referências.

Funções

Upload de arquivosClique no botão "Upload Files" (Carregar arquivos) para selecionar os arquivos a serem analisados, com suporte para upload em lote.
Recuperação de problemasDigite uma pergunta na caixa de pesquisa, clique no botão "Pesquisar" e o sistema exibirá a resposta relevante.
Answer ViewClique nos cartões de resposta para obter respostas detalhadas e referências.
Geração de conteúdoNo módulo de geração de conteúdo, insira palavras-chave ou referências, clique no botão "Generate" (Gerar) e o sistema gerará automaticamente um esboço ou artigo.

Habilidades essenciais do QAnything

Recuperação em um estágio (incorporação)

Nome do modelo	Recuperação	STS	PairClassification	Classificação	Reranking	Agrupamento	em média
bge-base-pt-v1.5	37.14	55.06	75.45	59.73	43.05	37.74	47.20
bge-base-zh-v1.5	47.60	63.72	77.40	63.38	54.85	32.56	53.60
bge-large-pt-v1.5	37.15	54.09	75.00	59.24	42.68	37.32	46.82
bge-large-zh-v1.5	47.54	64.73	79.14	64.19	55.88	33.26	54.21
jina-embeddings-v2-base-pt	31.58	54.28	74.84	58.42	41.16	34.67	44.29
m3e-base	46.29	63.93	71.84	64.08	52.38	37.84	53.54
m3e-grande	34.85	59.74	67.69	60.07	48.99	31.62	46.78
bce-embedding-base_v1	57.60	65.73	74.96	69.00	57.29	38.95	59.43