# AutoRAG: RAG Autónomo com GPT-4o e Base de Dados Vetorial

> Características - Interface de chat para interagir com o assistente AI - Upload e processamento de documentos PDF - Integração de base de conhecimento utilizando PostgreSQL e Pgvector - Capacidade de pesquisa na web utilizando DuckDuckGo - Armazenamento persistente de dados e conversas do assistente.

- Fonte: https://doutorai.pt/apps/autonomous-rag
- Categoria: RAG e Conhecimento
- Dificuldade: Médio
- Modelos: OpenAI
- Frameworks: Agno
- Corre local?: Precisa de APIs cloud
- Chaves necessárias: Nenhuma
- Licença: Apache-2.0
- Site: Doutor AI (https://doutorai.pt) - ferramentas de IA para pequenos negócios em português

## Tutorial completo

# 🤖 AutoRAG: RAG Autónomo com GPT-4o e Base de Dados Vector

**🎓 TUTORIAL GRATUITO Passo a Passo**

**👉 [Clica aqui para seguir o nosso tutorial completo passo a passo](https://www.theunwindai.com/p/build-autonomous-rag-app-using-gpt-4o-and-vector-database) e aprende como construir isto do zero com explicações detalhadas e melhores práticas.**

Esta aplicação Streamlit implementa um sistema de Geração Aumentada por Recuperação (RAG) autónomo utilizando o modelo GPT-4o da OpenAI e a base de dados PgVector. Permite aos utilizadores carregar documentos PDF, adicioná-los a uma base de conhecimento e interagir com o assistente de IA utilizando contexto tanto da base de conhecimento como de pesquisas na web.

### Funcionalidades
- Interface de chat para interagir com o assistente de IA
- Carregamento e processamento de documentos PDF
- Integração da base de conhecimento utilizando PostgreSQL e Pgvector
- Capacidade de pesquisa na web utilizando DuckDuckGo
- Armazenamento persistente de dados e conversas do assistente

### Como Começar?

1. Clona o repositório do GitHub

```bash
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps/rag_tutorials/autonomous_rag
```

```markdown
# 2. Instala as dependências necessárias:

```bash
pip install -r requirements.txt
```
```

```bash
pip install -r requirements.txt
```

```markdown
3. Assegura que a base de dados PgVector está a funcionar:
A aplicação espera que o PgVector esteja a funcionar em [localhost:5532](http://localhost:5532/). Ajusta a configuração no código se a tua configuração for diferente.
```

```bash
docker run -d \
  -e POSTGRES_DB=ai \
  -e POSTGRES_USER=ai \
  -e POSTGRES_PASSWORD=ai \
  -e PGDATA=/var/lib/postgresql/data/pgdata \
  -v pgvolume:/var/lib/postgresql/data \
  -p 5532:5432 \
  --name pgvector \
  phidata/pgvector:16
```

# 4. Executa a Aplicação Streamlit

Para executar a aplicação Streamlit, segue os passos abaixo:

1. Abre o terminal.
2. Navega até ao diretório onde se encontra o teu ficheiro `app.py`.
3. Executa o seguinte comando:

   ```bash
   streamlit run app.py
   ```

4. Após alguns momentos, a aplicação abrir-se-á automaticamente no teu navegador padrão. Se não abrir, verifica o terminal para encontrar o URL onde a aplicação está a ser executada, normalmente algo como `http://localhost:8501`. 

Agora já deves conseguir interagir com a tua aplicação Streamlit!

```bash
streamlit run autorag.py
```

## Poupe horas todas as semanas com IA, sem complicações

O **Doutor AI** dá-lhe 1859 prompts de IA prontos a copiar, por indústria e em português simples - mais uma biblioteca técnica completa para quem quer ir mais longe. [Ver planos →](https://doutorai.pt/precos)

---
Conteúdo de Doutor AI (https://doutorai.pt). Ao citar, indique a fonte: https://doutorai.pt/apps/autonomous-rag