README.md

Telegram RAG Assistant

Este repositório contém um assistente virtual para Telegram, desenvolvido utilizando a abordagem RAG (Retrieval-Augmented Generation). O bot combina IA generativa com busca eficiente em documentos para responder a perguntas de forma precisa e contextualizada.

Tecnologias

• Linguagem: Python
• Frameworks: LangChain, Gemini API, Telebot
• Armazenamento: A definir

Como Usar

Para configurar e executar o bot, siga os passos abaixo:

1. Clone o repositório

   git clone https://github.com/Onifin/PJe-Telegram-RAG-Bot.git
   cd PJe-Telegram-RAG-Bot

2. Crie um ambiente virtual Python

   No Linux:

   python3 -m venv venv
   source venv/bin/activate

   No Windows:

   python -m venv venv
   venv\Scripts\activate

3. Instale as dependências do programa

   pip install -r requirements.txt

4. Crie o arquivo .env e adicione as credenciais

   No diretório raiz do projeto, crie um arquivo chamado .env.

   Adicione a chave da API do Telegram no seguinte formato:

   TELEGRAM_API_KEY=seu_token_do_telegram

   Adicione a chave da API do Gemini no seguinte formato:

    GOOGLE_API_KEY=seu_token_do_gemini

   Texto explicando como conseguir as chaves: ainda em produção.

5. Configure os dados

   Crie um arquivo chamado extracted_text.txt com o texto que será fornecido para o bot.

   Caso seu texto venha de uma página web, considere usar o WebDataDrill que consegue extrair os textos e estruturar no formato correto para o bot.

6. Configure o modelo de embeddings

   No Linux:

   sudo apt update
   sudo apt install curl
   curl -fsSL https://ollama.com/install.sh | sh
   ollama pull mxbai-embed-large

7. Execute a aplicação

   No Linux:

   python3 main.py

   No Windows:

   python main.py

Agora o bot estará pronto para ser usado!

Fluxo de Mensagens da Aplicação

A aplicação processa diferentes tipos de mensagens de acordo com o conteúdo recebido. O fluxo funciona da seguinte forma:

1. Comandos

   • Quando um comando é enviado, a aplicação verifica se ele está registrado.
   • Caso seja um comando cadastrado, uma resposta apropriada é fornecida.

2. Mensagem de Texto

   • Mensagens de texto são processadas utilizando o modelo Gemini-1.5-pro, que gera uma resposta adequada baseada no conteúdo enviado.