wangxb96

首先对应的taskingai容器要配置并启动，在AutoQAG.py里配置好相关的url和api-key（包含taskingai和调用的大模型），然后通过命令行启动streamlit run AutoQAG.py，即可以得到类似上述链接，可以通过上述链接访问服务

这里的api应该为taskingai的base_url和api_key，请docker启动tasingai后配置这些项，然后在openai_api里添上相应的大模型api

最开始需要安装配置 https://github.com/TaskingAI/TaskingAI 系统

本地python version为3.11.5

update一下，最新的版本应该都行 ：） Sent from my iPhone ------------------ 原始邮件 ------------------ From: Zhangqi ***@***.***> 发送时间: 01/03/2025, 21:11 To: wangxb96/RAG-QA-Generator ***@***.***> 抄送: KindLab ***@***.***>, Mention ***@***.***> Subject: Re: [wangxb96/RAG-QA-Generator] 你们没有给出使用哪个python版本 (Issue #5) @wangxb96 https://pypi.org/project/langchain/#history https://pypi.org/project/langchain-community/#history 您好，没找到requirement里面那两个版本的langchain和langchain_community，没有langchain==0.10.0和langchain_community==0.1.0...

embedding_model_id为嵌入模型的id（非生成的大模型），用于将文本向量化并存储到taskingai向量数据库的模型。前置条件是安装好taskingai rag数据库，分别配置好嵌入模型和生成大模型，填入对应的信息即可。

QA对结果生成默认 > > 请问qa对结果显示不全解决了吗？我也是这个问题 > > 没有诶 (TヘTo) QA对默认只显示前3条，可更改下述参数以满足需求： if st.session_state.qa_pairs: st.subheader("前3个QA对预览") cols = st.columns(3) for i, qa in enumerate(st.session_state.qa_pairs[:3]): with st.expander(f"**QA对 {i + 1}**", expanded=True): st.markdown("**问题:**") st.markdown(qa['question']) st.markdown("**答案:**") st.markdown(qa['answer'])...

已经更新了

因为有两个版本的文件，所以app.py对应的可以是AutoQAGPro.py等相应文件。下面的配置是对应的RAG系统TaskingAI（https://github.com/TaskingAI/TaskingAI）的配置，需要先安装和设置好相应的软件，创建和设置API，可以通过本项目生成和写入QA数据到对应的数据库中。

如果有错误，请查看一下文件格式，也可写个简单的txt文件测试一下