SmartRAG ist eine modulare Python-Bibliothek für retrieval-augmentierte Generations-Workflows mit großen Sprachmodellen. Es kombiniert Dokumentenaufnahme, Vektorindexierung und hochmoderne LLM-APIs, um präzise, kontextreiche Antworten zu liefern. Nutzer können PDFs, Textdateien oder Webseiten importieren, sie mit beliebten Vektorspeichern wie FAISS oder Chroma indexieren und benutzerdefinierte Prompt-Vorlagen definieren. SmartRAG steuert die Abfrage, die Zusammenstellung der Prompts und die LLM-Inferenz und liefert kohärente Antworten, die auf Quell-Dokumenten basieren. Durch die Abstraktion der Komplexität von RAG-Pipelines beschleunigt es die Entwicklung von Wissensdatenbank-Frage-und-Antwort-Systemen, Chatbots und Forschungsassistenten. Entwickler können Verbindungen erweitern, LLM-Anbieter austauschen und Retrieval-Strategien an spezifische Wissensdomänen anpassen.

Contoso Creative Writer ist ein Open-Source-Musterprojekt, das zeigt, wie man eine KI-gesteuerte kreative Schreibassistenz mit Azure AI-Services aufbaut und bereitstellt. Durch den Einsatz von Azure OpenAI-Modellen, Bot Framework und optionaler Semantic Kernel-Integration interagiert dieser Bot über dialogbasierte Eingaben mit Nutzern, um Geschichtenideen, Charakterhintergründe, Dialogvorschläge und Handlungsübersichten zu generieren. Entwickler können Prompt-Vorlagen anpassen, Ton und Schreibstil verändern und zusätzliche Datenquellen integrieren. Die Anwendung umfasst eine webbasierte Chat-Oberfläche, die von Azure Bot Service unterstützt wird, um Echtzeit-Interaktionen und nahtlose Cloud-Bereitstellung zu ermöglichen. Mit modularer Architektur und klaren Codebeispielen dient Contoso Creative Writer als Basis für maßgeschneiderte Schreiblösungen, von fiktionalem Storytelling bis hin zu Marketingtexten, um Kreativität und Produktivität zu steigern.

Der LangChain RAG Agent Chatbot richtet eine Pipeline ein, die Dokumente aufnimmt, sie mit OpenAI-Modellen in Einbettungen umwandelt und sie in einer FAISS-Vektordatenbank speichert. Wenn eine Nutzeranfrage eintrifft, ruft die LangChain-Retrieval-Kette relevante Passagen ab, und der Agent-Executor koordiniert zwischen Retrieval- und Generierungstools, um kontextreich Antworten zu liefern. Diese modulare Architektur unterstützt benutzerdefinierte Prompt-Vorlagen, mehrere LLM-Anbieter und konfigurierbare Vektorspeicher, ideal für den Aufbau wissensbasierter Chatbots.