SuperEasy

SuperEasy 是一个结合了 Ollama 和 Email RAG 的 100% 本地 RAG（Retriever-Augmented Generation）解决方案。其主要特点是通过把本地的强大语言模型(LLM)与外部信息的检索功能相结合，生成更准确、可靠和多功能的 AI 应用。

使用场景：

1. 文档管理： 上传 PDF、.txt、JSON 文件，通过本地 RAG 系统进行检索和查询。
2. 邮件处理： 集成 Email RAG，能够下载邮件并与其进行对话，适用于邮件管控和信息检索。

安装步骤：

1. 克隆项目：git clone https://github.com/AllAboutAI-YT/easy-local-rag.git
2. 进入目录：cd dir
3. 安装依赖：pip install -r requirements.txt
4. 安装 Ollama：https://ollama.com/download
5. 拉取所需模型：如 ollama pull llama3 和 ollama pull mxbai-embed-large
6. 运行上传脚本：python upload.py
7. 运行本地 RAG：python localrag.py 或 python localrag_no_rewrite.py

Email RAG 设置步骤：

1. 同上（步骤 1-5）
2. 配置邮件登录信息：设置在 .env 文件中（对于 Gmail，需要创建应用密码）
3. 下载邮件：python collect_emails.py
4. 与邮件对话：python emailrag2.py

最新功能更新：

• 支持 Email RAG (v1.3)
• 上传脚本更新，优化文本处理 (v1.2)
• 新增嵌入模型 mxbai-embed-large (v1.2)
• 改进检索功能，支持重写查询 (v1.2)
• 命令行选择模型功能 (v1.1)
• 支持对话历史的无限循环对话 (v1.1)

RAG 是一种通过结合强大语言理解能力和外部信息检索功能来增强 LLM 的能力的方法。Ollama 是一个开源平台，简化了在本地机器上运行强大 LLM 的过程，提供了更大的控制和灵活性。