Knowledge Base (RAG)

Zespół:

• Marcin Konwiak
• Michał Konwiak

Opis projektu

Aplikacja Knowledge Base to system do zarządzania wiedzą organizacyjną z wykorzystaniem sztucznej inteligencji. Głównym celem projektu było stworzenie narzędzia umożliwiającego pracownikom szybkie wyszukiwanie informacji z dokumentów poprzez chatbot AI.

Główne funkcjonalności:

• Logowanie przez Azure - Bezpieczna autentykacja firmowa
• Zarządzanie dokumentami - Możliwość dodawania i przechowywania plików
• Chatbot AI - Odpowiadanie na pytania na podstawie dokumentów
• Rozpoznawanie mowy - Zadawanie pytań głosowych

Architektura aplikacji

Projekt składa się z dwóch głównych części:

1. Klient (Frontend)

• Technologia: React z TypeScript
• Funkcje: Logowanie (Microsoft Entra), chat z AI, zarządzanie dokumentami

2. Serwer (Backend)

• Technologia: Python z FastAPI
• Baza danych: PostgreSQL (PgVector)
• Embeddings: Google Gemini do przygotowania wektorów dokumentów
• AI: Google Gemini do przetwarzania tekstu i odpowiedzi
• Funkcje: Autentykacja, przetwarzanie dokumentów, API dla chatbota, rozpoznawanie mowy

Sposób działania:

1. Użytkownik loguje się przez Azure
2. Dodaje dokumenty do systemu
3. System przetwarza dokumenty i przygotowuje je do wyszukiwania
4. Użytkownik zadaje pytania przez chat lub głosowo
5. AI znajduje odpowiednie informacje w dokumentach i udziela odpowiedzi

Wykorzystane technologie:

• Frontend: React, TypeScript, Tailwind CSS, Shadcn UI
• Backend: Python, FastAPI, PostgreSQL, PgVector
• AI: Google Gemini
• Autentykacja: Microsoft Entra
• Rozpoznawanie mowy: Azure Speech Services

Baza danych

Tabele w bazie danych:

Users (usr)              Documents
├── id                   ├── id
├── azure_id (UUID)      ├── title
├── email                ├── content
├── name                 ├── created_by_id (FK)
├── created_at           └──vector
└── updated_at           

Działanie aplikacji

Uruchomienie aplikacji

Wymagania:

• uv
• pnpm
• docker

Przed uruchomieniem należy utworzyć pliki .env na podstawie .env.example.

Uruchomienie backendu:

cd server
uv run run.py

Uruchomienie frontendu:

cd client
pnpm install
pnpm dev

Uruchomienie bazy danych:

cd server
docker compose up -d