إنشاء تطبيق أسئلة وأجوبة باستخدام لعبة RAG متعددة النماذج باستخدام Gemini Pro

1- مقدمة

ما هي طريقة RAG

تقنية الجيل المعزز للاسترجاع (RAG) هي تقنية تجمع بين قوة النماذج اللغوية الكبيرة (LLM) وإمكانية استرداد المعلومات ذات الصلة من مصادر المعرفة الخارجية. ويعني ذلك أنّ النموذج اللغوي الكبير لا يعتمد فقط على بيانات التدريب الداخلية الخاصة به، ولكن يمكنه أيضًا الوصول إلى معلومات محدّدة وحديثة ودمجها عند إنشاء الردود.

تكتسب لعبة RAG شعبية لعدة أسباب:

• زيادة الدقة والصلة بالموضوع: تتيح طريقة RAG للنماذج اللغوية الكبيرة تقديم ردود أكثر دقة وذات صلة من خلال تقديم معلومات واقعية تم الحصول عليها من مصادر خارجية. ويمكن الاستفادة من ذلك بشكل خاص في السيناريوهات التي تكون فيها المعرفة الحديثة مهمة للغاية، مثل الإجابة عن أسئلة حول أحداث حالية أو تقديم معلومات حول مواضيع محددة.
• تقليل الهلوسة: قد تنشئ النماذج اللغوية الكبيرة أحيانًا ردودًا تبدو منطقية ولكنّها في الواقع غير صحيحة أو لا معنى لها. تساعد RAG في التخفيف من هذه المشكلة من خلال التحقق من المعلومات التي تم إنشاؤها مقابل المصادر الخارجية.
• إمكانية تعديل أكبر: تجعل ميزة RAG النماذج اللغوية الكبيرة أكثر قابلية للتكيّف مع النطاقات والمهام المختلفة. من خلال الاستفادة من مصادر المعلومات المختلفة، يمكن تخصيص النموذج اللغوي الكبير بسهولة لتقديم معلومات حول مجموعة كبيرة من المواضيع.
• تجربة مستخدم محسّنة: يمكن أن تحسن RAG تجربة المستخدم الإجمالية من خلال توفير ردود أكثر إفادة وموثوقية وذات صلة.

أهمية ميزة تعدُّد النماذج

في عالمنا المليء بالبيانات، غالبًا ما تجمع المستندات بين النصوص والصور لنقل المعلومات بشكل شامل. ومع ذلك، تتجاهل معظم أنظمة الجيل المعزز للاسترجاع (RAG) الرؤى القيّمة التي يتم قفلها داخل الصور. في ظل شهرة النماذج اللغوية الكبيرة (LLM) المتعدّدة النماذج (LLM)، من الضروري استكشاف كيفية الاستفادة من المحتوى المرئي إلى جانب النص في طريقة RAG، ما يزيد من فهمك لمجال المعلومات.

خياران لطريقة RAG المتعددة النماذج

• التضمين المتعدد الوسائط: ينشئ نموذج التضمينات المتعددة الوسائط متجهات بحجم 1408 أبعادًا* استنادًا إلى الإدخال الذي تقدّمه، والذي يمكن أن يتضمّن مزيجًا من بيانات الصور والنصوص والفيديو. يكون متجه تضمين الصورة ومتّجه تضمين النص في نفس المساحة الدلالية بنفس الأبعاد. وبالتالي، يمكن استخدام هذه المتجهات بالتبادل في حالات الاستخدام مثل البحث عن الصورة بالنص، أو البحث في الفيديو بالصور. ألقِ نظرة على هذا العرض التوضيحي.

1. استخدام ميزة التضمين المتعدد الوسائط لتضمين النصوص والصور
2. استرداد كليهما باستخدام البحث عن التشابه
3. إرسال كلّ من الصورة الأولية والمقاطع النصية التي تم استردادها إلى النموذج اللغوي الكبير (LLM) للحصول على تركيب الإجابة

• تضمين النص -

1. استخدام النماذج اللغوية الكبيرة المتعددة النماذج لإنشاء ملخّصات نصية للصور
2. تضمين النص واسترداده
3. إرسال النص إلى النموذج اللغوي الكبير (LLM) لتجميع الإجابات

ما هي أداة Multi-Vector Retriever؟

يستخدم استرداد المتجهات المتعددة ملخصات لأقسام المستند لاسترداد المحتوى الأصلي لتجميع الإجابات. إنها تعزز جودة طريقة RAG خاصة بالنسبة للجدول والرسوم البيانية والمخططات وما إلى ذلك المهام المكثفة. يمكنك الاطّلاع على مزيد من التفاصيل على مدونة Langchain.

ما الذي ستنشئه

حالة الاستخدام: تطوير نظام للإجابة عن الأسئلة باستخدام Gemini Pro

تخيل أن لديك مستندات تحتوي على رسوم بيانية معقدة أو مخططات مليئة بالمعلومات. تريد استخراج هذه البيانات للإجابة عن الأسئلة أو الاستعلامات.

في هذا الدرس التطبيقي، يمكنك تنفيذ ما يلي:

• تحميل البيانات باستخدام LangChain document_loaders
• إنشاء ملخّصات نصية باستخدام نموذج gemini-pro من Google
• إنشاء ملخّصات الصور باستخدام نموذج gemini-pro-vision من Google
• إنشاء استرداد متعدد المتجهات باستخدام نموذج textembedding-gecko من Google مع Croma Db كمتجر لمتجهات
• تطوير سلسلة RAG متعددة النماذج للإجابة عن الأسئلة

‫2. قبل البدء

1. في Google Cloud Console، ضمن صفحة أداة اختيار المشاريع، اختَر مشروعًا على Google Cloud أو أنشئه.
2. تأكَّد من تفعيل الفوترة لمشروعك على Google Cloud. تعرَّف على كيفية التحقّق مما إذا كانت الفوترة مفعَّلة في مشروع.
3. تفعيل كل واجهات برمجة التطبيقات المقترَحة من لوحة بيانات Vertex AI
4. افتح Colab Notebook وسجِّل الدخول إلى الحساب نفسه المستخدَم في حسابك النشط على Google Cloud.

3- إنشاء لعبة RAG متعددة النماذج

يستخدم هذا الدرس التطبيقي حول الترميز Vertex AI SDK للغة Python وLangchain لتوضيح كيفية تنفيذ "الخيار 2" الموضّح هنا باستخدام Google Cloud.

يمكنك الرجوع إلى الرمز الكامل في ملف RAG متعدد الوسائط باستخدام Google Cloud من المستودع المشار إليه.

‫4. الخطوة 1: تثبيت الاعتماديات واستيرادها

!pip install -U --quiet langchain langchain_community chromadb  langchain-google-vertexai
!pip install --quiet "unstructured[all-docs]" pypdf pillow pydantic lxml pillow matplotlib chromadb tiktoken

أدخِل رقم تعريف مشروعك وأكمِل عملية المصادقة.

#TODO : ENter project and location
PROJECT_ID = ""
REGION = "us-central1"

from google.colab import auth
auth.authenticate_user()

بدء تشغيل منصة Vertex AI

import vertexai
vertexai.init(project = PROJECT_ID , location = REGION)

5- الخطوة 2: إعداد البيانات وتحميلها

نستخدم ملف ZIP يحتوي على مجموعة فرعية من الصور المستخرجة وملف pdf من مشاركة المدونة هذه. إذا أردت اتّباع المسار الكامل، يُرجى استخدام المثال الأصلي.

تنزيل البيانات أولاً

import logging
import zipfile
import requests

logging.basicConfig(level=logging.INFO)

data_url = "https://storage.googleapis.com/benchmarks-artifacts/langchain-docs-benchmarking/cj.zip"
result = requests.get(data_url)
filename = "cj.zip"
with open(filename, "wb") as file:
   file.write(result.content)

with zipfile.ZipFile(filename, "r") as zip_ref:
   zip_ref.extractall()

تحميل محتوى النص من المستند

from langchain_community.document_loaders import PyPDFLoader

loader = PyPDFLoader("./cj/cj.pdf")
docs = loader.load()
tables = []
texts = [d.page_content for d in docs]

تحقق من المحتوى من الصفحة الأولى

texts[0]

من المفترض أن يظهر لك الناتج

إجمالي عدد الصفحات في المستند

len(texts)

الناتج المتوقع هو

6. الخطوة 3: إنشاء ملخّصات نصية

استيراد المكتبات المطلوبة أولاً

from langchain_google_vertexai import VertexAI , ChatVertexAI , VertexAIEmbeddings
from langchain.prompts import PromptTemplate
from langchain_core.messages import AIMessage
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnableLambda

الحصول على ملخّصات النصوص

# Generate summaries of text elements
def generate_text_summaries(texts, tables, summarize_texts=False):
   """
   Summarize text elements
   texts: List of str
   tables: List of str
   summarize_texts: Bool to summarize texts
   """

   # Prompt
   prompt_text = """You are an assistant tasked with summarizing tables and text for retrieval. \
   These summaries will be embedded and used to retrieve the raw text or table elements. \
   Give a concise summary of the table or text that is well optimized for retrieval. Table or text: {element} """
   prompt = PromptTemplate.from_template(prompt_text)
   empty_response = RunnableLambda(
       lambda x: AIMessage(content="Error processing document")
   )
   # Text summary chain
   model = VertexAI(
       temperature=0, model_name="gemini-pro", max_output_tokens=1024
   ).with_fallbacks([empty_response])
   summarize_chain = {"element": lambda x: x} | prompt | model | StrOutputParser()

   # Initialize empty summaries
   text_summaries = []
   table_summaries = []

   # Apply to text if texts are provided and summarization is requested
   if texts and summarize_texts:
       text_summaries = summarize_chain.batch(texts, {"max_concurrency": 1})
   elif texts:
       text_summaries = texts

   # Apply to tables if tables are provided
   if tables:
       table_summaries = summarize_chain.batch(tables, {"max_concurrency": 1})

   return text_summaries, table_summaries


# Get text summaries
text_summaries, table_summaries = generate_text_summaries(
   texts, tables, summarize_texts=True
)

text_summaries[0]

الناتج المتوقع هو

7. الخطوة 4: إنشاء ملخّصات الصور

استيراد المكتبات المطلوبة أولاً

import base64
import os

from langchain_core.messages import HumanMessage

إنشاء ملخّصات الصور

def encode_image(image_path):
   """Getting the base64 string"""
   with open(image_path, "rb") as image_file:
       return base64.b64encode(image_file.read()).decode("utf-8")


def image_summarize(img_base64, prompt):
   """Make image summary"""
   model = ChatVertexAI(model_name="gemini-pro-vision", max_output_tokens=1024)

   msg = model(
       [
           HumanMessage(
               content=[
                   {"type": "text", "text": prompt},
                   {
                       "type": "image_url",
                       "image_url": {"url": f"data:image/jpeg;base64,{img_base64}"},
                   },
               ]
           )
       ]
   )
   return msg.content


def generate_img_summaries(path):
   """
   Generate summaries and base64 encoded strings for images
   path: Path to list of .jpg files extracted by Unstructured
   """

   # Store base64 encoded images
   img_base64_list = []

   # Store image summaries
   image_summaries = []

   # Prompt
   prompt = """You are an assistant tasked with summarizing images for retrieval. \
   These summaries will be embedded and used to retrieve the raw image. \
   Give a concise summary of the image that is well optimized for retrieval."""

   # Apply to images
   for img_file in sorted(os.listdir(path)):
       if img_file.endswith(".jpg"):
           img_path = os.path.join(path, img_file)
           base64_image = encode_image(img_path)
           img_base64_list.append(base64_image)
           image_summaries.append(image_summarize(base64_image, prompt))

   return img_base64_list, image_summaries


# Image summaries
img_base64_list, image_summaries = generate_img_summaries("./cj")

len(img_base64_list)

len(image_summaries)

image_summaries[0]

من المفترض أن تظهر لك نتيجة مثل هذه .

8. الخطوة 5: إنشاء استرداد المتجهات المتعددة

لننشئ ملخصات نصية وصورًا ونحفظها في مخزن متجهات ChromaDB.

يتطلب الاستيراد مكتبات

import uuid
from langchain.retrievers.multi_vector import MultiVectorRetriever
from langchain.storage import InMemoryStore
from langchain_community.vectorstores import Chroma
from langchain_core.documents import Document

إنشاء استرداد متّجهات متعددة

def create_multi_vector_retriever(
   vectorstore, text_summaries, texts, table_summaries, tables, image_summaries, images
):
   """
   Create retriever that indexes summaries, but returns raw images or texts
   """

   # Initialize the storage layer
   store = InMemoryStore()
   id_key = "doc_id"

   # Create the multi-vector retriever
   retriever = MultiVectorRetriever(
       vectorstore=vectorstore,
       docstore=store,
       id_key=id_key,
   )

   # Helper function to add documents to the vectorstore and docstore
   def add_documents(retriever, doc_summaries, doc_contents):
       doc_ids = [str(uuid.uuid4()) for _ in doc_contents]
       summary_docs = [
           Document(page_content=s, metadata={id_key: doc_ids[i]})
           for i, s in enumerate(doc_summaries)
       ]
       retriever.vectorstore.add_documents(summary_docs)
       retriever.docstore.mset(list(zip(doc_ids, doc_contents)))

   # Add texts, tables, and images
   # Check that text_summaries is not empty before adding
   if text_summaries:
       add_documents(retriever, text_summaries, texts)
   # Check that table_summaries is not empty before adding
   if table_summaries:
       add_documents(retriever, table_summaries, tables)
   # Check that image_summaries is not empty before adding
   if image_summaries:
       add_documents(retriever, image_summaries, images)

   return retriever


# The vectorstore to use to index the summaries
vectorstore = Chroma(
   collection_name="mm_rag_cj_blog",
   embedding_function=VertexAIEmbeddings(model_name="textembedding-gecko@latest"),
)

# Create retriever
retriever_multi_vector_img = create_multi_vector_retriever(
   vectorstore,
   text_summaries,
   texts,
   table_summaries,
   tables,
   image_summaries,
   img_base64_list,
)
 

9. الخطوة 6: بناء لعبة RAG متعددة النماذج

1. تحديد وظائف المرافق

import io
import re

from IPython.display import HTML, display
from langchain_core.runnables import RunnableLambda, RunnablePassthrough
from PIL import Image


def plt_img_base64(img_base64):
   """Disply base64 encoded string as image"""
   # Create an HTML img tag with the base64 string as the source
   image_html = f'<img src="data:image/jpeg;base64,{img_base64}" />'
   # Display the image by rendering the HTML
   display(HTML(image_html))


def looks_like_base64(sb):
   """Check if the string looks like base64"""
   return re.match("^[A-Za-z0-9+/]+[=]{0,2}$", sb) is not None


def is_image_data(b64data):
   """
   Check if the base64 data is an image by looking at the start of the data
   """
   image_signatures = {
       b"\xFF\xD8\xFF": "jpg",
       b"\x89\x50\x4E\x47\x0D\x0A\x1A\x0A": "png",
       b"\x47\x49\x46\x38": "gif",
       b"\x52\x49\x46\x46": "webp",
   }
   try:
       header = base64.b64decode(b64data)[:8]  # Decode and get the first 8 bytes
       for sig, format in image_signatures.items():
           if header.startswith(sig):
               return True
       return False
   except Exception:
       return False


def resize_base64_image(base64_string, size=(128, 128)):
   """
   Resize an image encoded as a Base64 string
   """
   # Decode the Base64 string
   img_data = base64.b64decode(base64_string)
   img = Image.open(io.BytesIO(img_data))

   # Resize the image
   resized_img = img.resize(size, Image.LANCZOS)

   # Save the resized image to a bytes buffer
   buffered = io.BytesIO()
   resized_img.save(buffered, format=img.format)

   # Encode the resized image to Base64
   return base64.b64encode(buffered.getvalue()).decode("utf-8")


def split_image_text_types(docs):
   """
   Split base64-encoded images and texts
   """
   b64_images = []
   texts = []
   for doc in docs:
       # Check if the document is of type Document and extract page_content if so
       if isinstance(doc, Document):
           doc = doc.page_content
       if looks_like_base64(doc) and is_image_data(doc):
           doc = resize_base64_image(doc, size=(1300, 600))
           b64_images.append(doc)
       else:
           texts.append(doc)
   if len(b64_images) > 0:
       return {"images": b64_images[:1], "texts": []}
   return {"images": b64_images, "texts": texts}

2. تحديد طلب صور خاص بالنطاق

def img_prompt_func(data_dict):
   """
   Join the context into a single string
   """
   formatted_texts = "\n".join(data_dict["context"]["texts"])
   messages = []

   # Adding the text for analysis
   text_message = {
       "type": "text",
       "text": (
           "You are financial analyst tasking with providing investment advice.\n"
           "You will be given a mixed of text, tables, and image(s) usually of charts or graphs.\n"
           "Use this information to provide investment advice related to the user question. \n"
           f"User-provided question: {data_dict['question']}\n\n"
           "Text and / or tables:\n"
           f"{formatted_texts}"
       ),
   }
   messages.append(text_message)
   # Adding image(s) to the messages if present
   if data_dict["context"]["images"]:
       for image in data_dict["context"]["images"]:
           image_message = {
               "type": "image_url",
               "image_url": {"url": f"data:image/jpeg;base64,{image}"},
           }
           messages.append(image_message)
   return [HumanMessage(content=messages)]

3. تحديد سلسلة RAG متعددة الجوانب

def multi_modal_rag_chain(retriever):
   """
   Multi-modal RAG chain
   """

   # Multi-modal LLM
   model = ChatVertexAI(
       temperature=0, model_name="gemini-pro-vision", max_output_tokens=1024
   )

   # RAG pipeline
   chain = (
       {
           "context": retriever | RunnableLambda(split_image_text_types),
           "question": RunnablePassthrough(),
       }
       | RunnableLambda(img_prompt_func)
       | model
       | StrOutputParser()
   )

   return chain


# Create RAG chain
chain_multimodal_rag = multi_modal_rag_chain(retriever_multi_vector_img)

10. الخطوة 7: اختبار طلبات البحث

1. استرداد المستندات ذات الصلة

query = "What are the EV / NTM and NTM rev growth for MongoDB, Cloudflare, and Datadog?"
docs = retriever_multi_vector_img.get_relevant_documents(query, limit=1)

# We get relevant docs
len(docs)

docs

         You may get similar output 

plt_img_base64(docs[3])

2. قم بتشغيل RAG الخاص بنا على نفس الاستعلام

result = chain_multimodal_rag.invoke(query)

from IPython.display import Markdown as md
md(result)

ناتج النموذج (قد يختلف عند تنفيذ التعليمة البرمجية)

11. تَنظيم

لتجنُّب تحمُّل الرسوم من حسابك على Google Cloud مقابل الموارد المستخدَمة في هذا الدرس التطبيقي حول الترميز، اتّبِع الخطوات التالية:

1. في وحدة تحكُّم Google Cloud، انتقِل إلى صفحة إدارة الموارد.
2. في قائمة المشاريع، اختَر المشروع الذي تريد حذفه، ثم انقر على حذف.
3. في مربّع الحوار، اكتب رقم تعريف المشروع، ثم انقر على إيقاف التشغيل لحذف المشروع.

12. تهانينا

تهانينا! لقد طورت بنجاح جلسة RAG متعددة النماذج باستخدام Gemini.