SAS_RAG_2024

Retrieval-Augmented Generation (RAG) for The SAS System in 2024.

環境設置

0. 安裝 Ollama

請先到 Ollama 官網下載並安裝對應系統的 Ollama 軟體：Ollama 官網

安裝完成後，啟動 Ollama，並確認模型可以在本地端運行：

ollama run llama3

1. 創建 Conda 環境

conda create -n SAS_env python=3.11

2. 進入 Conda 環境

conda activate SAS_env

3. 安裝相關套件

pip install -r requirements.txt

執行 RAG

啟動指令

streamlit run chatbot.py #chemical_mapping No. --server.port #xxxx

範例

streamlit run chatbot.py 59 --server.port 2024

🟡新增CHATGPT版本 使用前須在 retriever_chain_openai.py 輸入API KEY

streamlit run chatbot_openai.py 59 --server.port 2024

數據處理

1. 下載化合物資訊並轉檔

將 SAS 平台上化合物資訊下載後，放入 ./SAS_file 資料夾，並轉檔為 txt 格式：

python load_csv_to_txt.py

2. 轉換化合物 txt 檔為向量資料庫

更改 vectorstore.py 中的 file_path 路徑，並執行以下指令：

python vectorstore.py

設定與調整

• 更改 RAG 人物設定的 Prompt 內容：調整 retriever_chain.py。
• 更改 Nemoguardrails 限制條件：編輯 ./config/config.yml。

化合物資料

化合物向量資料庫與 SAS 平台流水號的對應文件位於 chemical_mapping.txt。

後續維護：新增化合物

1. 將新化合物的 CSV 檔放入 ./SAS_file 資料夾。
2. 使用 load_csv_to_txt.py 進行轉檔。
3. 利用 vectorstore.py 轉換為向量資料庫。
   • 由於每份文件差異，需嘗試不同的文字分割塊尺寸與重疊數，建議初始設定：chunk_size=1000，chunk_overlap=200，SAS chemical number=對應流水號。
4. 將對應流水號新增至 chemical_mapping.txt。
5. 執行 chatbot.py 啟動 RAG。

苯的其他資料

檔案皆放在 ./Benzene_txt 內

生成苯的總結 txt 檔

設定好 gen_summary.py 中的 input_file 跟 output_file，並執行以下指令：

python gen_summary.py

轉換苯的總結 txt 檔為向量資料庫

更改 vectorstore.py 中的 file_path 路徑為 ./Benzene_txt/Benzene_summary_gpt.txt，並執行以下指令：

python vectorstore.py

設定：chunk_size=1000，chunk_overlap=200，SAS chemical number=59_sum

苯的安全替代物資料

1. 將 csv 檔轉為 txt

將苯的安全替代物資料放入 ./SAS_file/Benzene_alternatives 資料夾，並轉檔為 txt 格式：

python load_csv_to_txt_alternatives.py

2. 轉換安全替代物 txt 檔為向量資料庫

以苯的兒童產品化學替代物為例： 更改 vectorstore.py 中的 file_path 路徑為 ./Benzene_txt/Benzene_alternatives_Childrens_Products.txt，並執行以下指令：

python vectorstore.py

設定：chunk_size=1000，chunk_overlap=200，SAS chemical number=59_alternatives_children_product