🤖 AI Support API (FastAPI + RAG + Embeddings + Mock Mode)

En moderne AI-drevet kundestøtte-API-tjeneste bygget med FastAPI, vector search, og en RAG-pipeline.
Prosjektet støtter både:

• ✅ Real Mode: Bruker OpenAI embeddings + LLM (krever API-nøkkel)
• 🧪 Mock Mode (default): Ingen API-nøkkel nødvendig, ingen kostnader — hele systemet fungerer med simulerte embeddings + simulerte RAG-svar

Dette gjør prosjektet perfekt som portfolio-showcase, og trygt å kjøre for hvem som helst.

---

🌟 Funksjonalitet

🔍 Embeddings & Retrieval

• Vector search mot intern kunnskapsbase (knowledge_base.csv)
• Cosine similarity for dokumentrangering
• Egen retriever-klasse (EmbeddingRetriever)

🧠 RAG-system

• Bygger prompt fra de mest relevante dokumentene
• Gir et formulert AI-svar basert på kontekst
• Mock Mode: Genererer realistiske, men kostnadsfrie "RAG-style" svar

🚀 API (FastAPI)

• POST /query – spør chatboten
• GET /health – helsesjekk
• Full Swagger UI på /docs

---

🗂️ Mappestruktur

ai-support-api/
├─ data/
│  ├─ knowledge_base.csv
│  ├─ kb_embeddings_openai.npz        # auto-generated
│  └─ kb_index.csv                    # auto-generated
│
├─ src/
│  ├─ api.py                          # FastAPI application
│  ├─ embeddings.py                   # builds embeddings (mock or real)
│  ├─ retriever.py                    # vector search
│  ├─ rag.py                          # RAG generation + mock RAG
│  ├─ utils.py                        # logging, env, paths, mock detection
│  ├─ models.py                       # Pydantic request/response schemas
│  └─ __init__.py
│
├─ client.py                          # Simple CLI API tester
├─ .env                               # (optional) Your OpenAI API key
├─ .gitignore
├─ requirements.txt
└─ README.md

---

🧪 Mock Mode (Default)

Mock Mode aktiveres automatisk når OPENAI_API_KEY ikke finnes.

I mock-modus:

• Embeddings genereres deterministisk -> ingen API-kall
• Query embeddings genereres deterministisk -> ingen API-kall
• RAG-svaret er et simulert AI-svar som viser hvordan en ekte RAG-modell ville reagert

Dette gjør prosjektet:

• trygt
• gratis
• kjørbart for alle
• perfekt for portefølje og intervjuer

💡 Du trenger ikke API-nøkkel for å teste prosjektet.

Alt fungerer 100% i Mock Mode

---

▶️ Kom i gang

1. Opprett og aktiver virtuelt miljø

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt

2. Bygg embeddings (Mock Mode eller Real Mode)

python -m src.embeddings

• Hvis ingen .env -> mock embeddings genereres

• hvis .env inneholder en nøkkel:

OPENAI_API_KEY=sk-proj-xxxx

-> ekte embeddings genereres

3. Start API-server

uvicorn src.api:app --reload

APIet kjører på: 👉 http://127.0.0.1:8000 👉 Swagger UI: http://127.0.0.1:8000/docs

---

❓ Eksempel på API-request

Gjennom Swagger UI eller client.py

{
  "question": "How can I cancel my contract?",
  "top_k": 3,
  "include_context": true
}

---

🧠 Eksempel på Mock RAG Svar

[MOCK RAG RESPONSE]
Based on the knowledge base, the question is most similar to 'Cancel contract'.
This is a simulated RAG-style response. In production, an LLM would generate a precise answer.

---

🧩 Teknologier brukt

• FastAPI - moderne Python API-framework
• OpenAI Models (valgfritt) - embeddings + RAG
• Mock AI System - null kostnader, fullt fungerende
• Vector Search - cosine similarity + normalized vectors
• Pydantic - request/response validering
• Uvicorn - ASGI-server

---

📌 Real Mode (valgfritt)

For å aktivere ekte AI-svar:

1. Legg inn .env i prosjekt-roten:

OPENAI_API_KEY=sk-proj-xxxx

2. Kjør embedding-pipelinen på nytt:

python -m src.embeddings

3. Start API:

uvicorn src.api:app --reload

Nå bruker systemet ekte OpenAI embeddings + GPT-4o-mini for RAG.

🧭 Forfatter

Runar Olsen

Data Analyst — Python • Machine Learning • FastAPI • Power BI