DeepHackAgents_2024_Pubmed

http://83.220.174.161:8504/

https://t.me/gigamed_aibot

В настоящее время процесс поиска научных статей представляет собой долгий и неудобный процесс, забирающий у ученых ценное время, которое они могли бы использовать для исследований. Но наша команда предлагает современное решение этой проблемы. Мы соединили силы языковой модели с преимуществами векторных баз данных, создав инструмент, который позволяет ученым быстро, удобно и эффективно находить необходимую информацию, сокращая время поиска научных статей на порядки. Наше решение не только увеличивает производительность исследователей, но и способствует развитию научного сообщества, ускоряя процесс научного открытия и инноваций. Данное решение легко развёртывается как на сайте, так и в качестве телеграм бота, как это продемонстрировано нами в данном репозитории. В основу проекта легли спаршенные нами базы научных медицинских работ Cochrane и PubMed, в виду чего бот на данный момент может помочь с поиском медицинских научных статей. Помимо помощи с поиском статей бот способен дать осмысленный совет по здоровью, например, каких врачей следует посетить при указанной болезни.

Стэк проекта

• GigaChatPro - LLM поверх которой наложен RAG
• Qdrant - векторная БД для хранения RAG
• Streamlit - веб приложение
• AIOGram - библиотека для построения телеграм-бота

Состав проекта

• research - тестирование агентов
• services - подключение векторной БД и эмбэдингов к проекту
• tgbot - Телеграм бот, позволяющий общаться с сервером прямо из мессенджера

Инструкция по запуску:

1. git clone [email protected]:erdenirf/DeepHackAgents_2024_Pubmed.git - скачиваем репозиторий
2. python -m venv venv - ставим виртуальную среду, затем активируем через venv/Scripts/activate для Linux либо venv/Scripts/activate для Windows
3. pip install -r requirements.txt - устанавливаем зависимости
4. Вставьте свой API ключ в переменную .env в константу GIGACHAT_API_CREDENTIALS при надобности
5. python -m streamlit run main.py - запускаем приложение