spRAG
需求人群
["数据科学家和机器学习工程师：可以利用spRAG处理复杂的文本数据，提高模型的准确性。","金融分析师：通过spRAG快速获取金融报告中的关键信息。","法律专业人士：使用spRAG从大量的法律文件中检索相关信息。"]使用场景
使用spRAG分析金融报告，预测市场趋势。法律顾问使用spRAG从历史案例中检索判例法。学术研究人员利用spRAG从大量文献中提取研究资料。产品特色
AutoContext：自动将文档级上下文注入到单个块中，提高嵌入的准确性和完整性。Relevant Segment Extraction (RSE)：后处理步骤，将相关块集群智能组合成长文本段落，为复杂问题提供更好的上下文。使用OpenAI、Claude 3 Haiku和Cohere等API进行嵌入和重排。支持自定义配置，允许用户选择不同的模型和API。KnowledgeBase对象持久化，自动保存配置信息。支持从文件直接创建知识库，并进行查询。提供文档解析工具，方便从PDF等文件中提取文本。使用教程
- 11. 安装spRAG：使用Python包管理器pip安装sprag。
- 22. 设置API密钥：确保为OpenAI、Anthropic和Cohere等提供商设置了环境变量。
- 33. 创建知识库：使用create_kb_from_file函数从文件创建KnowledgeBase对象。
- 44. 加载知识库：通过kb_id加载已创建的知识库。
- 55. 查询知识库：使用query方法对知识库进行查询。
- 66. 自定义配置：根据需要自定义KnowledgeBase的配置，如使用不同的嵌入模型或重排器。
- 77. 添加文档：使用add_document方法向知识库中添加文档。
- 88. 运行查询并获取结果：执行查询并打印返回的段落。
团队介绍
了解 spRAG 背后的团队成员，包括创始人、开发人员、设计师和产品人员。
该产品暂无团队信息。