edu‑auditor

Система аудита учебных материалов с использованием современных методов и подходов – RAG, LLM.

Usage

1. Создать питоновское окружение:

   python3.14 -m venv .venv
   source .venv/bin/activate
   pip install -r requirements.txt

2. Запустить arxiv_fetcher.py – статьи должны загрузиться в папку DataDocs:

   python dataScripts/arxiv_fetcher.py

3. Настроить доступ к локальной PostgreSQL‑базе vector_database_fill.py

4. В том же файле, в методе load_and_save_database, установить аргументы:

   • folder_path – путь к папке со статьями,
   • save_to – произвольный путь, куда будет сохранена векторная база.

5. Запустить vector_database_fill.py. Он чанкует PDF‑ки, загружает куски в Postgres и одновременно векторизует их в векторную базу данных. Это может занять некоторое время:

   python vector_database_fill.py

6. Открыть modelAPI.py. Убедиться, что в переменных окружения есть ключ авторизации. Его можно получить здесь: https://developers.sber.ru/portal/products/gigachat-api

7. Запустить modelAPI.py, выбрав удобный для вас порт:

   export GIGACHAT_API_KEY="ваш_ключ"
   python modelAPI.py --port 8000

8. Перейти в relational_database.py. Настроить подключение к Postgres и векторной базе, запустить на удобном порте:

   python relational_database.py --port 8001

9. Перейти в директорию frontend и запустить Streamlit‑сервер:

   cd frontend
   streamlit run app.py --server.port 8501

10. Убедиться, что все выбранные порты на бэкенде и фронтенде связаны по HTTP.