RAG Example

Para correr este código necesitamos docker y docker compose instalado. Tiene un Makefile con algunos comandos útiles, así que para correrlo en Windows debes ver cómo instalar make.

A grandes rasgos, echamos a correr dos servicios:

1. Una base de datos PSQL + PGVector.
2. Un computador con las dependencias de Python necesarias para correr nuestros scripts.

Tenemos 3 scripts:

1. load_documents.py: carga los datos en PGVector.
2. search.py: un ejemplo de cómo buscar documentos.
3. rag_example.py: un ejemplo de cómo pasar contexto a un LLM para obtener respuestas a medida.

Para poder correr rag_example necesitamos una API Key de OpenAI.

Importante: necesitamos crear en la carpeta raíz un .env con los siguientes valores:

# Local DB
POSTGRES_USER="user_rag_example"
POSTGRES_PASSWORD="password_rag_example"
POSTGRES_DB="db_rag_example"
POSTGRES_HOST="db"
POSTGRES_PORT="5432"

OPENAI_API_KEY=<Llave de OpenAI>

Ejecución

Para cargar los documentos corremos:

make load-documents

Esto se demora un tiempo en cargar. Para ejecutar el ejemplo de RAG corremos:

make rag