SmartRAG — это модульная библиотека на Python для рабочих процессов расширенного поиска с использованием больших языковых моделей. Она сочетает загрузку документов, индексирование векторов и современные API LLM для предоставления точных и насыщенных контекстом ответов. Пользователи могут импортировать PDF-файлы, текстовые документы или веб-страницы, индексировать их с помощью популярных хранилищ векторов, таких как FAISS или Chroma, и создавать собственные шаблоны запросов. SmartRAG управляет процессами поиска, сборки подсказок и вызовов LLM, возвращая целостные ответы, основанные на исходных документах. Это ускоряет разработку систем Q&A, чат-ботов и исследовательских ассистентов. Разработчики могут расширять коннекторы, менять поставщиков LLM и оптимизировать стратегии поиска в соответствии с конкретными областями знаний.

Contoso Creative Writer — это открытый исходный проект, демонстрирующий, как создавать и запускать помощника для творчества на базе ИИ с использованием служб Azure AI. Используя модели Azure OpenAI, Framework для ботов и при необходимости Semantic Kernel, этот агент взаимодействует с пользователями через диалоговые подсказки для генерации идей историй, предысторий персонажей, предложений для диалогов и набросков сюжетов. Разработчики могут настраивать шаблоны подсказок, изменять тон и стиль письма, а также интегрировать дополнительные источники данных. В приложение входит веб-интерфейс чата на базе Azure Bot Service, обеспечивающий взаимодействие в реальном времени и простое развертывание в облаке. Модульная архитектура и четкие примеры кода делают Contoso Creative Writer основой для создания индивидуальных решений для писателей — от художественного повествования до генерации маркетинговых текстов, что способствует развитию креативности и повышению производительности.

LangChain RAG Agent создаёт конвейер, который поглощает документы, преобразует их в встроенные представления с помощью моделей OpenAI, и сохраняет их в FAISS базе данных. Когда поступает запрос пользователя, цепочка поиска в LangChain извлекает релевантные части, а исполнитель агента управляет взаимодействием между инструментами поиска и генерации для получения насыщенных контекстом ответов. Эта модульная архитектура поддерживает пользовательские шаблоны подсказок, нескольких поставщиков LLM и настраиваемые хранилища векторов, что делает её идеальной для построения знаний-ориентированных чатботов.