RAG e ConhecimentoMĆ©dio
Gemma de Embedding Agentic Rag
Esta aplicaĆ§Ć£o Streamlit demonstra um Agente de GeraĆ§Ć£o Aumentada por RecuperaĆ§Ć£o (RAG) agentic utilizando o EmbeddingGemma do Google para embeddings ā¦
- Llama
- local
RAG e Conhecimento Ā·MĆ©dio
Llama3.1 RAG Local
Sobre esta app
š» AplicaĆ§Ć£o Streamlit Llama-3.1 local que permite conversar com qualquer pĆ”gina da web utilizando Llama-3.1 e GeraĆ§Ć£o Aumentada por RecuperaĆ§Ć£o (RAG). Esta aplicaĆ§Ć£o funciona inteiramente no seu computador, tornando-a 100% gratuita e sem necessidade de conexĆ£o Ć internet.
- CĆ³digo aberto completo
- Explicado em portuguĆŖs
- Corre no seu computador
Ficha tƩcnica
- Categoria
- RAG e Conhecimento
- Dificuldade
- MĆ©dio
- Modelos
- Llama
- Frameworks
- LangChain, Ollama (local)
- Corre local?
- Sim (Ollama)
- Chaves necessƔrias
- Nenhuma
LicenƧa Apache-2.0 Ā· conteĆŗdo curado, traduzido e mantido pelo Doutor AI.
Tutorial completo
š» Local Lllama-3.1 com RAG
AplicaĆ§Ć£o Streamlit que te permite conversar com qualquer pĆ”gina web usando o Llama-3.1 local e GeraĆ§Ć£o Aumentada por RecuperaĆ§Ć£o (RAG). Esta aplicaĆ§Ć£o corre inteiramente no teu computador, tornando-a 100% gratuita e sem necessidade de uma ligaĆ§Ć£o Ć internet.
Funcionalidades
- Introduz uma URL de pƔgina web
- Faz perguntas sobre o conteĆŗdo da pĆ”gina web
- ObtƩm respostas precisas usando RAG e o modelo Llama-3.1 a correr localmente no teu computador
Como ComeƧar?
- Clona o repositĆ³rio do GitHub
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps/rag_tutorials/llama3.1_local_ragnpm installpip install -r requirements.txt3. Executa a AplicaĆ§Ć£o Streamlit
Para executar a aplicaĆ§Ć£o Streamlit, segue os passos abaixo:
- Abre o terminal.
- Navega atĆ© ao diretĆ³rio onde se encontra o teu ficheiro
app.py. - Executa o seguinte comando:
streamlit run app.py- ApĆ³s alguns momentos, a aplicaĆ§Ć£o abrir-se-Ć” automaticamente no teu navegador padrĆ£o. Se nĆ£o abrir, verifica o terminal para encontrar o URL onde a aplicaĆ§Ć£o estĆ” a ser executada, normalmente algo como
http://localhost:8501.
streamlit run llama3.1_local_rag.pyComo Funciona?
- A aplicaĆ§Ć£o carrega os dados da pĆ”gina web utilizando WebBaseLoader e divide-os em partes usando RecursiveCharacterTextSplitter.
- Cria embeddings Ollama e um armazenamento de vetores utilizando Chroma.
- A aplicaĆ§Ć£o configura uma cadeia RAG (Retrieval-Augmented Generation), que recupera documentos relevantes com base na pergunta do utilizador.
- O modelo Llama-3.1 Ć© chamado para gerar uma resposta utilizando o contexto recuperado.
- A aplicaĆ§Ć£o apresenta a resposta Ć pergunta do utilizador.
Da mesma categoria
RAG e ConhecimentoMĆ©dio
RAG Agentic com GPT-5
Uma aplicaĆ§Ć£o RAG agentic construĆda com o framework Agno, apresentando GPT-5 e LanceDB para recuperaĆ§Ć£o eficiente de conhecimento e resposta a pergunā¦
- OpenAI
RAG e ConhecimentoMĆ©dio
Agente Tutor de MatemĆ”tica ā RAG Agentic com Ciclo de Feedback
Arquitetura de Fluxo.
- OpenAI
- Llama
Precisa de uma soluĆ§Ć£o Ć medida?
NĆ£o sabe por onde comeƧar a usar IA no seu negĆ³cio? Receba uma avaliaĆ§Ć£o gratuita e um plano Ć medida - sem compromisso.
Poupe horas todas as semanas com IA, sem complicaƧƵes
O Doutor AI dĆ”-lhe 1859 prompts de IA prontos a copiar, por indĆŗstria e em portuguĆŖs simples - mais uma biblioteca tĆ©cnica completa para quem quer ir mais longe.
Ver planos