Este projeto implementa uma solução RAG (Retrieval Augmented Generation) com as seguintes funcionalidades principais:

• Processamento de arquivos PDF
• Armazenamento em base vetorial
• Endpoint para realização de perguntas
• Persistência das perguntas com suas respectivas respostas

• Langchain
• FastAPI
• Base vetorial (Chroma ou Pinecone)
• LLM Gemini 2 Flash (gratuito)
• Ambiente com Docker e Docker Compose
• Banco NoSQL para armazenamento de perguntas e respostas

1. Clone o repositório:

git clone https://github.com/yanagassi/RAG_PDF.git
cd RAG_PDF

2. Crie um arquivo .env baseado no arquivo .env.example e configure a chave de API do Google:

GOOGLE_API_KEY=sua-chave-google

Importante: Não esqueça de habilitar o serviço Generative Language para a sua chave na Google Cloud.

3. Suba os containers usando Docker Compose:

docker-compose up --build

4. Acesse a documentação da API em: http://localhost:8000/docs

Adicionei também uma collection do Postman além do Swagger para facilitar os testes.