Sistema de perguntas e respostas sobre documentos PDF utilizando Retrieval-Augmented Generation (RAG) com avaliação de qualidade através do framework RAGAS.

• Carregamento e indexação de documentos PDF
• Busca semântica via embeddings do HuggingFace
• Geração de respostas contextualizadas usando LLM
• Avaliação automática de qualidade com métricas RAGAS (faithfulness, answer relevancy, context precision)

• Python 3.8+
• Conta com acesso a API de LLM compatível com OpenAI
• Token do HuggingFace

Criar e ativar ambiente virtual:

python -m venv .venv

Ativar no Windows:

.venv\Scripts\activate

Ativar no Git Bash:

source .venv/Scripts/activate

Desativar:

deactivate

Com o ambiente virtual ativado, instale as dependências:

pip install -r requirements.txt

Crie um arquivo .env na raiz do projeto com as seguintes variáveis:

DO_BASE_URL=sua_url_base_api
DO_API_KEY=sua_chave_api
DO_MODEL=nome_do_modelo
HF_TOKEN=seu_token_huggingface

python main.py

O sistema irá:

1. Indexar o PDF especificado
2. Solicitar uma pergunta
3. Retornar a resposta baseada no contexto do documento
4. Exibir métricas de avaliação da resposta

• LangChain: orchestração do pipeline RAG
• ChromaDB: armazenamento vetorial
• HuggingFace: embeddings (sentence-transformers/all-MiniLM-L6-v2)
• RAGAS: avaliação de qualidade do RAG
• PyPDF: processamento de PDFs