Logo Lanfrica

No237845/AgriBot

Domain:

agriculture

Record type:

software
Creator:
No2
Host:
AgriBot est un assistant intelligent contextuel 100 % open source, conçu au Burkina Faso pour soutenir les agriculteurs, étudiants et techniciens dans leurs activités. Son objectif est de promouvoir les bonnes pratiques agricoles en s’appuyant sur des données locales, des recherches scientifiques et des documents techniques nationaux. # AgriBot AgriBot est un assistant intelligent contextuel 100 % open source, conçu au Burkina Faso pour soutenir les agriculteurs, étudiants et techniciens dans leurs activités. Son objectif est de promouvoir les bonnes pratiques agricoles en s’appuyant sur des données locales, des recherches scientifiques et des documents techniques nationaux. --- ## 🚀 Technologies principales - **Embeddings** : `mxbai-embed-large` (modèle d'embedding performant). - **LLM** : `llama3.2.1b` (modèle open-source via llama3.2:1b). - **Stack RAG** : LangChain + Chroma + Ollama. - **API** : FastAPI. - **Frontend** : HTML/JS minimal (fichier `index.html`) — peut être remplacé par React/Vue. ## ⚙️ Pré-requis - Python 3.10+ (recommandé) - `pip` ou `pipx` - Ollama installé localement - Modèles Ollama (llama3.2:1b, embeddings) téléchargés localement (instructions ci-dessous) --- ## 📥 Installation des dépendances Créer un environnement virtuel et installer les paquets : ```bash python -m venv env source env/bin/activate # Linux / macOS # env\Scripts\activate # Windows PowerShell pip install -r requirements.txt # Exemple : pull Mistral et le modèle d'embeddings (nom exact selon repo Ollama) ollama pull llama3.2:1b ollama pull mxbai-embed-large 🚀 Démarrage rapide Lancer l’API FastAPI : uvicorn src.main:app --reload 🌾 Exemple d’utilisation Une fois l’API démarrée : Ouvre static/index.html Saisis une question : "Comment traiter les maladies du coton au Burkina Faso ?" AgriBot recherche les documents pertinents et génère une réponse fiable et contextualisée. 🧪 Évaluation du modèle RAG AgriBot inclut un script d’évaluation complet : python src/rag-evaluate.py 🤝 Contribution Les contributions sont bienvenues ! Fork le projet Crée une branche (git checkout -b feature/nouvelle-fonctionnalite) Commit (git commit -m "Ajout d’une nouvelle fonctionnalité") Push (git push origin feature/nouvelle-fonctionnalite) Ouvre une Pull Request