SmartRAG est une bibliothèque Python modulaire conçue pour les workflows de génération augmentée par récupération (RAG) avec de grands modèles de langage. Elle combine l'ingestion de documents, l'indexation vectorielle et des API LLM de pointe pour fournir des réponses précises et riches en contexte. Les utilisateurs peuvent importer des PDFs, des fichiers texte ou des pages web, les indexer en utilisant des magasins vectoriels populaires comme FAISS ou Chroma, et définir des modèles de prompts personnalisés. SmartRAG orchestre la récupération, la composition des prompts et l'inférence LLM, renvoyant des réponses cohérentes basées sur les documents sources. En abstraisant la complexité des pipelines RAG, il accélère le développement de systèmes de questions-réponses, de chatbots et d'assistants de recherche. Les développeurs peuvent étendre les connecteurs, échanger les fournisseurs LLM et affiner les stratégies de récupération pour s'adapter à des domaines de connaissance spécifiques.

Contoso Creative Writer est un projet d'exemple open source illustrant comment construire et déployer un assistant d'écriture créative alimenté par IA utilisant les services Azure AI. En exploitant les modèles Azure OpenAI, le Bot Framework et l'intégration optional Semantic Kernel, cet agent engage les utilisateurs via des invites conversationnelles pour générer des idées d'histoires, des arrière-plans de personnages, des suggestions de dialogues et des plans d'intrigue. Les développeurs peuvent personnaliser les modèles d'invite, ajuster le ton et le style d'écriture, et intégrer des sources de données supplémentaires. L'application comprend une interface de chat web alimentée par Azure Bot Service, permettant des interactions en temps réel et un déploiement fluide dans le cloud. Avec une architecture modulaire et des exemples de code clairs, Contoso Creative Writer sert de base pour créer des solutions d'écriture sur mesure, du storytelling fictionnel à la génération de contenus marketing, en améliorant créativité et productivité.

Le chatbot LangChain RAG Agent établit un pipeline qui ingère des documents, les convertit en embeddings avec des modèles OpenAI, et les stocke dans une base de données vectorielle FAISS. Lorsqu’une requête utilisateur arrive, la chaîne de récupération LangChain extrait les passages pertinents, et l’exécuteur d’agent coordonne entre les outils de récupération et de génération pour produire des réponses riches en contexte. Cette architecture modulaire supporte des modèles de prompt personnalisés, plusieurs fournisseurs LLM, et des magasins de vecteurs configurables, idéal pour construire des chatbots basés sur la connaissance.