☕ CaféIA - GraphRAG avec Ollama

Interface graphique Streamlit pour interroger un LLM local via Ollama et alimenter un système RAG (Retrieval-Augmented Generation) avec différents types de documents.

🚀 Fonctionnalités

• 📤 Upload de documents multiples formats : PDF, DOCX, XLSX, TXT
• 🤖 Interrogation LLM via Ollama (modèle qwen2.5:14b)
• 🔍 4 modes de recherche :
  • Naive : RAG classique, recherche simple
  • Local : Entités et relations proches (1 hop)
  • Global : Patterns globaux du knowledge graph
  • Hybrid : Combinaison local + global (recommandé pour multi-hop)
• 📜 Historique des requêtes avec horodatage
• 🎨 Interface moderne et intuitive

📋 Prérequis

1. Ollama installé et lancé

# Installer Ollama (si pas déjà fait)
curl -fsSL https://ollama.com/install.sh | sh

# Lancer Ollama
ollama serve

2. Télécharger les modèles nécessaires

# Modèle LLM (32K context)
ollama pull qwen2.5:14b

# Modèle d'embeddings
ollama pull nomic-embed-text

3. Python 3.11+

Vérifiez votre version de Python :

python3 --version

🛠️ Installation

1. Activer l'environnement virtuel

source venv/bin/activate

2. Installer les dépendances

pip install -r requirements.txt

🎯 Utilisation

Lancer l'application Streamlit

streamlit run app.py

L'application s'ouvrira automatiquement dans votre navigateur par défaut à l'adresse : http://localhost:8501

Workflow recommandé

1. Uploader des documents (onglet "📤 Upload Documents")

   • Glissez-déposez vos fichiers PDF, DOCX, XLSX ou TXT
   • Cliquez sur "🚀 Indexer les documents"
   • Attendez la confirmation d'indexation

2. Interroger le RAG (onglet "💬 Interroger le RAG")

   • Saisissez votre question
   • Choisissez le mode de recherche (hybrid recommandé)
   • Cliquez sur "🔍 Rechercher"

3. Consulter l'historique (onglet "📜 Historique")

   • Visualisez toutes vos requêtes précédentes
   • Consultez les réponses obtenues

📁 Structure du projet

CaféIA/
├── app.py                  # Interface Streamlit principale
├── main.py                 # Configuration LightRAG + Ollama
├── document_processor.py   # Extraction de texte (PDF, DOCX, XLSX, TXT)
├── insert_docs.py          # Script d'insertion de documents (CLI)
├── query_demo.py           # Script de démonstration des requêtes (CLI)
├── requirements.txt        # Dépendances Python
├── storage/                # Dossier du knowledge graph (créé automatiquement)
└── venv/                   # Environnement virtuel Python

🔧 Configuration avancée

Vous pouvez modifier les paramètres dans main.py :

• Modèle LLM : llm_model_name="qwen2.5:14b"
• Context window : llm_model_max_token_size=32768
• Parallélisme : llm_model_max_async=2
• Dimensions embeddings : embedding_dim=768

🐛 Dépannage

Erreur "Connection refused" lors du lancement

• Vérifiez qu'Ollama est bien lancé : ollama serve
• Vérifiez que les modèles sont téléchargés : ollama list

Erreur lors de l'extraction de documents

• Assurez-vous que toutes les dépendances sont installées :

  pip install PyPDF2 python-docx openpyxl

Réinitialiser le knowledge graph

Si vous voulez repartir de zéro :

rm -rf storage/

🚀 Scripts CLI (optionnels)

Insérer des documents en ligne de commande

python insert_docs.py

Tester les différents modes de requête

python query_demo.py

📚 Documentation

• LightRAG Documentation
• Ollama Documentation
• Streamlit Documentation

🤝 Contribution

Les contributions sont les bienvenues ! N'hésitez pas à ouvrir une issue ou une pull request.

📝 Licence

Ce projet est fourni à titre éducatif et de démonstration.

---

☕ Développé avec passion pour CaféIA