🔎 A lightweight web app powered by LLM APIs with Retrieval-Augmented Generation (RAG), enabling users to query knowledge bases and get accurate, contextual answers.
This project is a Streamlit web app that enables users to upload PDF documents and interact with them using natural language.
本项目是一个基于 Streamlit 的网页应用，用户可以上传 PDF 文档，并通过自然语言进行智能问答。
- 📂 Upload a PDF file and ask questions directly
上传 PDF 文件并直接提问 - 💬 Conversational memory to keep context across multiple questions
内置对话记忆，可在多轮问答中保留上下文 - 🔎 Retrieval-Augmented Generation (RAG) with FAISS vector store
基于 FAISS 向量数据库的 RAG 技术 - 🤖 Powered by OpenAI GPT (ChatGPT API)
基于 OpenAI GPT (ChatGPT API) 提供答案 - 🖥️ Simple Streamlit UI for quick deployment
简洁的 Streamlit 界面，可快速部署使用
-
Clone the repository
克隆仓库：git clone https://github.com/CharlieShi46/RAGQueryHub.git cd Agent-DataAnalysis -
Install dependencies
pip install -r requirements.txt
-
Run the Streamlit app
streamlit run main.py
1. Open the app in your browser (default: http://localhost:8501)
在浏览器中打开应用（默认：http://localhost:8501） 2. Enter your OpenAI API Key in the sidebar 在侧边栏输入你的 OpenAI API 密钥 3. Upload a PDF file 上传一个 PDF 文件 4. Ask questions in the input box 在输入框中提问 5. View answers and expand chat history to review past Q&A 查看答案，并可展开 历史消息 回顾之前的问答
• You must have a valid OpenAI API Key
必须提供有效的 OpenAI API 密钥 • The app uses FAISS to store embeddings locally (in-memory) 本工具使用 FAISS 在本地存储向量（内存运行） • Supports Chinese and English text in PDFs 支持中英文 PDF 文本处理
