PDF Chat com Groq

Este projeto permite realizar perguntas em linguagem natural sobre o conteúdo de arquivos PDF. Utiliza a abordagem RAG (Retrieval-Augmented Generation), que combina técnicas de recuperação de informação com geração de texto para fornecer respostas precisas. A aplicação usa as seguintes tecnologias principais:

• LangChain para gerenciamento do fluxo do chat.
• FAISS para armazenamento e busca rápida dos embeddings (representações vetoriais dos textos).
• Groq como provedor do modelo de linguagem LLM para geração de respostas.

---

Captura de tela da aplicação

Abaixo, um exemplo visual da interface após o upload do PDF e uma pergunta realizada:

Como funciona?

O fluxo básico da aplicação é:

1. Upload do arquivo PDF.
2. Extração e divisão do texto em pequenos trechos.
3. Transformação desses textos em embeddings vetoriais usando modelos pré-treinados.
4. Armazenamento dos embeddings num banco vetorial (FAISS).
5. Ao fazer uma pergunta, a aplicação recupera automaticamente os trechos mais relevantes do PDF e usa o modelo de linguagem da Groq para gerar respostas contextualizadas.

---

Requisitos do projeto

• Python 3.9 ou superior.
• Uma conta gratuita na Groq Cloud.
• Chave (API Key) da Groq.

---

Instalação passo a passo

1. Clone este repositório

git clone https://github.com/ronierisonmaciel/AskRAG.git
cd AskRAG

2. Crie e ative um ambiente virtual

macOS ou Linux:

python3 -m venv .venv
source .venv/bin/activate

Windows (CMD ou PowerShell):

python -m venv .venv
.venv\Scripts\activate

3. Instale as dependências necessárias

pip install -r requirements.txt

---

Configurando a chave da Groq API

Siga estes passos para obter e configurar sua chave:

1. Acesse a página: https://console.groq.com/keys.
2. Faça login ou crie uma nova conta gratuita.
3. Clique em "Create API Key" para gerar uma nova chave.
4. Copie a chave gerada, que começa com gsk_live_....
5. Crie um arquivo .env na raiz do projeto e adicione sua chave assim:

GROQ_API_KEY=gsk_live_sua_chave_aqui

Importante: Não compartilhe sua chave pública ou suba esse arquivo .env em repositórios públicos.

---

Executando o aplicativo localmente

Execute o seguinte comando para iniciar a aplicação Streamlit:

streamlit run app.py

O aplicativo será aberto automaticamente em seu navegador padrão. Caso contrário, acesse a URL informada no terminal, geralmente: http://localhost:8501.

---

Estrutura dos arquivos do projeto

AskRAG/
│
├── app.py                 # Código principal da aplicação
├── uploaded/              # Pasta temporária para PDFs carregados
├── requirements.txt       # Dependências Python
├── .env                   # Arquivo contendo sua chave Groq API (você deve criar)
├── README.md              # Instruções detalhadas do projeto
└── LICENSE                # Licença do projeto

Observação: A pasta uploaded/ é utilizada temporariamente apenas para processar arquivos. Após o processamento, os PDFs são automaticamente removidos.

---

Tecnologias utilizadas

• LangChain
• Groq API
• HuggingFace Embeddings (intfloat/e5-small-v2)
• FAISS
• Streamlit

---

Exemplo prático de uso

Siga os passos abaixo para testar o aplicativo:

1. Após rodar o aplicativo, utilize a barra lateral para enviar um ou mais arquivos PDF.

2. Aguarde o processamento terminar.

3. Agora você pode fazer perguntas diretamente sobre o conteúdo carregado. Por exemplo:

   • Qual o objetivo principal deste documento?
   • Quais tópicos são abordados no texto?

---

Licença

Este projeto está sob a licença MIT. Utilize à vontade, desde que mantenha os créditos originais.

---