¿Qué hace PaperRAG?
Repositorio de GitHub sobre habilidades de agentes recientemente actualizado: ylchen1805/PaperRAG.
Descripción
Este repositorio contiene un sistema RAG (Retrieval-Augmented Generation) especializado en artículos de investigación académica. Permite a los agentes de IA buscar y responder preguntas basadas en el contenido de documentos PDF, como papers de arXiv.
Características
- Extracción de texto: Convierte archivos PDF en texto plano.
- Indexación vectorial: Genera embeddings y almacena en una base de datos vectorial para búsqueda semántica.
- Generación aumentada: Utiliza un modelo de lenguaje para generar respuestas basadas en los fragmentos relevantes recuperados.
- Soporte multi-formato: Compatible con PDFs locales o descargados desde URLs.
Plataformas compatibles
- Claude Code
- Cursor
- Codex
- Otros agentes basados en LLM con capacidad de ejecución de código
Cómo funciona
- El agente recibe una pregunta del usuario.
- El skill extrae texto de los PDFs en el directorio configurado.
- Los fragmentos de texto se indexan en una base de datos vectorial.
- Se realiza una búsqueda semántica para encontrar los fragmentos más relevantes.
- El modelo de lenguaje genera una respuesta combinando la pregunta con los fragmentos recuperados.
Requisitos
- Python 3.8+
- Dependencias listadas en
requirements.txt - Acceso a una API de modelo de lenguaje (por ejemplo, OpenAI, Anthropic)
Instalación
git clone https://github.com/ylchen1805/PaperRAG.git
cd PaperRAG
pip install -r requirements.txt
Uso básico
from paper_rag import PaperRAG
rag = PaperRAG(pdf_dir="./papers")
respuesta = rag.query("¿Cuál es el principal resultado del paper sobre transformers?")
print(respuesta)