ragChatbot é uma estrutura centrada no desenvolvedor, projetada para facilitar a criação de chatbots de Geração Aumentada por Recuperação. Integra pipelines do LangChain com APIs de OpenAI ou outros LLM para processar consultas contra corpora de documentos personalizados. Os usuários podem carregar arquivos em vários formatos (PDF, DOCX, TXT), extrair texto automaticamente e gerar embeddings usando modelos populares. A estrutura suporta múltiplos bancos de dados vetoriais como FAISS, Chroma e Pinecone para buscas de similaridade eficientes. Inclui uma camada de memória conversacional para interações multi-turno e uma arquitetura modular para personalizar modelos de prompt e estratégias de recuperação. Com uma interface CLI ou web simples, você pode ingerir dados, configurar parâmetros de busca e lançar um servidor de chat para responder às perguntas dos usuários com relevância e precisão contextual.

O DocGPT foi projetado para simplificar a extração de informações e perguntas e respostas a partir de documentos, fornecendo uma interface de conversação fluida. Os usuários podem fazer o upload de documentos em formatos PDF, Word ou PowerPoint, que são processados usando analisadores de texto. O conteúdo é dividido em pedaços e embutido usando os modelos de embeddings da OpenAI, armazenados em um banco de dados vetorial como FAISS ou Pinecone. Quando um usuário envia uma consulta, o DocGPT recupera os trechos de texto mais relevantes via pesquisa de similaridade e usa o ChatGPT para gerar respostas precisas com base no contexto. Conta com chat interativo, sumarização de documentos, prompts personalizáveis para necessidades específicas de domínio, e é construído em Python com uma interface Streamlit para fácil implantação e extensibilidade.