SmartRAG é uma biblioteca Python modular projetada para fluxos de trabalho de geração aprimorada por recuperação (RAG) com modelos de linguagem grandes. Ele combina ingestão de documentos, indexação vetorial e APIs de LLM de ponta para fornecer respostas precisas e ricas em contexto. Os usuários podem importar PDFs, arquivos de texto ou páginas web, indexá-los usando lojas de vetores populares como FAISS ou Chroma, e definir templates de prompts personalizados. O SmartRAG coordena a recuperação, montagem de prompts e inferência de LLM, retornando respostas coerentes fundamentadas nos documentos fonte. Ao abstrair a complexidade de pipelines RAG, ele acelera o desenvolvimento de sistemas de perguntas e respostas de base de conhecimento, chatbots e assistentes de pesquisa. Desenvolvedores podem estender conectores, trocar provedores de LLM e ajustar estratégias de recuperação para atender a domínios de conhecimento específicos.

Contoso Creative Writer é um projeto de exemplo de código aberto demonstrando como construir e implantar um assistente de escrita criativa baseado em IA usando os serviços de IA do Azure. Aproveitando modelos do Azure OpenAI, Framework de Bot e integração opcional do Semantic Kernel, este agente interage com os usuários por meio de prompts conversacionais para gerar ideias de histórias, histórias de fundo de personagens, sugestões de diálogos e esboços de enredos. Os desenvolvedores podem personalizar os templates de prompt, ajustar o tom e o estilo de escrita, e integrar fontes de dados adicionais. A aplicação inclui uma interface de chat baseada na web alimentada pelo Azure Bot Service, permitindo interações em tempo real e implantação na nuvem de forma contínua. Com arquitetura modular e exemplos de código claros, o Contoso Creative Writer serve como uma base para criar soluções de escrita personalizadas, desde narrativa de ficção até geração de textos para marketing, aumentando criatividade e produtividade.

O chatbot de agente RAG LangChain configura um pipeline que ingere documentos, os converte em embeddings com modelos OpenAI e os armazena em um banco de dados vetorial FAISS. Quando uma consulta do usuário chega, a cadeia de recuperação LangChain busca trechos relevantes, e o executor de agentes orquestra entre ferramentas de recuperação e geração para produzir respostas ricas em contexto. Essa arquitetura modular suporta modelos de prompt personalizados, múltiplos provedores de LLM e armazenamento vetorial configurável, tornando-o ideal para construir chatbots orientados ao conhecimento.