🏥 RAG Question Answering System

Descripción

Sistema de preguntas y respuestas basado en Retrieval-Augmented Generation (RAG) sobre una base de conocimiento de un hospital. Utiliza MongoDB/mdbr-leaf-ir para embeddings y PleIAs/Pleias-RAG-350M como modelo de lenguaje. La interfaz está construida con Gradio.

Instalación y ejecución

1. Clonar el repositorio

git clone https://huggingface.co/spaces/TU_USUARIO/TU_SPACE
cd TU_SPACE

2. Instalar dependencias

pip install -r requirements.txt

3. Ejecutar la aplicación

python app.py

La interfaz estará disponible en http://localhost:7860

Ejemplo de uso de la API con el cliente de Gradio

from gradio_client import Client

client = Client("TU_USUARIO/TU_SPACE")

result = client.predict(
    query="What are the working hours of the hospital?",
    top_k=5,
    umbral=0.55,
    api_name="/ask"
)

respuesta, documentos = result
print("Respuesta:", respuesta)
print("Documentos recuperados:", documentos)