📚 Projeto RAG com PDFs (LangChain)

Este projeto tem como objetivo estudar e praticar Retrieval-Augmented Generation (RAG) utilizando LangChain.

O sistema permite:

• Ler arquivos PDF com informações de cursos
• Criar uma base vetorial a partir desses documentos
• Responder perguntas do usuário utilizando busca semântica + LLM

---

🧠 Conceitos Utilizados

• RAG (Retrieval-Augmented Generation)
• Embeddings para representação vetorial de texto
• Vector Store (ChromaDB)
• Similarity Search
• Prompt Engineering

---

📂 Estrutura do Projeto

RAG_PDF/
│
├── base/
│   └── FAQ.pdf   # PDFs usados como base de conhecimento
│
├── db/                      # Base vetorial persistida (gerada automaticamente)
│
├── criar_db.py              # Script para criar o banco vetorial
├── main.py                  # Script principal para perguntas via RAG
│
├── .env                     # Variáveis de ambiente (OPENAI_API_KEY)
└── README.md

---

⚙️ Pré-requisitos

• Python 3.10+
• Ambiente virtual (venv ou uv)
• Chave de API da OpenAI

---

📦 Instalação das Dependências

Com o ambiente virtual ativado:

pip install \
  langchain \
  langchain-community \
  langchain-openai \
  langchain-chroma \
  python-dotenv \
  pypdf

Ou, se estiver usando uv:

uv add langchain langchain-community langchain-openai langchain-chroma python-dotenv pypdf

---

🔑 Configuração do Ambiente

Crie um arquivo .env na raiz do projeto:

OPENAI_API_KEY=sk-sua-chave-aqui

⚠️ Nunca versionar este arquivo.

---

🛠️ Como Funciona

1️⃣ Criação da Base Vetorial

O script criar_db.py:

• Lê todos os PDFs do diretório base/
• Divide os textos em chunks
• Gera embeddings
• Armazena tudo no ChromaDB (./db)

Execute:

python criar_db.py

Saída esperada:

Banco de Dados Criado

---

2️⃣ Perguntas com RAG

O script main.py:

• Recebe uma pergunta do usuário
• Busca os textos mais relevantes no banco vetorial
• Monta um prompt com base no contexto recuperado
• Envia para o modelo da OpenAI

Execute:

python main.py

Exemplo:

Escreva sua pergunta: Quais cursos de Python existem?
Resposta da IA: ...

---

🧩 Lógica do RAG

1. Pergunta do usuário
2. Busca semântica no Chroma (similarity search)
3. Filtragem por relevância (score ≥ 0.65)
4. Construção do contexto
5. Prompt + LLM
6. Resposta final

---

🎯 Objetivo do Projeto

Projeto educacional, focado em:

• Aprender RAG na prática
• Entender todo o pipeline (loader → splitter → embeddings → recuperação → geração)
• Criar base sólida para aplicações reais com LLMs

---

👤 Autor

Projeto desenvolvido por Francisco como parte dos estudos em IA, LangChain e RAG.

---

✅ Sinta-se à vontade para adaptar, expandir ou refatorar este projeto conforme sua evolução nos estudos.