narydrakotonirina-ai/FandriantanyAI-RAG-backend
Domaine:
natural language processingType de record:
software
Créateur:
nar
Hôte:
FandriantanyAI-RAG-backend est une API FastAPI implémentant un pipeline RAG (Retrieval-Augmented Generation) pour l’assistance juridique foncière à Madagascar. Le système combine recherche vectorielle (Supabase + pgvector) et génération de réponses structurées via Groq (Qwen).
# FandriantanyAI-RAG-backend
FandriantanyAI-RAG-backend est une API FastAPI implémentant un pipeline RAG (Retrieval-Augmented Generation) pour l’assistance juridique foncière à Madagascar.
Le système combine recherche vectorielle (Supabase + pgvector) et génération de réponses structurées via Groq (Qwen).
Ce projet permet de répondre à des questions juridiques en s'appuyant exclusivement sur des textes légaux (lois foncières, code du travail, etc.) en combinant recherche vectorielle et génération par LLM.
Il permet de répondre à des questions juridiques en s'appuyant sur :
- 🔎 Recherche hybride (vectorielle + texte)
- 🧠 LLM Groq (Qwen)
- 🗄️ Base vectorielle Supabase (pgvector)
---
# 🚀 Fonctionnalités
✅ Recherche sémantique sur corpus juridique
✅ Pipeline RAG complet (triage → retrieval → génération)
✅ Réponses structurées :
- Situation
- Risques
- Démarches
✅ Cache des réponses
✅ Gestion des erreurs et fallback
✅ Optimisation coûts LLM (limite tokens)
---
# 🏗️ Architecture
```text
┌─────────────────────┐
│ Frontend UI │
│ (chat utilisateur) │
└─────────┬───────────┘
│
▼
┌─────────────────────┐
│ FastAPI API │
│ /ask /search │
└─────────┬───────────┘
┌─────────┼───────────┐
▼ ▼
┌─────────────┐ ┌──────────────┐
│ Supabase │ │ Groq │
│ PostgreSQL │ │ Qwen LLM │
│ + pgvector │ │ │
└─────────────┘ └──────────────┘
```
# 🔄 Pipeline RAG
## 1️⃣ Triage (LLM - Groq)
- classification du type de problème
- détection hors périmètre
- reformulation de la requête
## 2️⃣ Retrieval (Supabase)
- recherche vectorielle (pgvector)
- top_k = 5 chunks
- filtre de qualité : `score >= 0.15`
# 📦 Stack technique
- ⚡ FastAPI
- 🗄️ Supabase (PostgreSQL + pgvector)
- 🤖 Groq (Qwen LLM)
- 🔎 SentenceTransformers (embeddings)
- ⚙️ Cachetools (cache mémoire)
- 🚀 Railway (déploiement)
# 📁 Structure du projet
backend/
├── main.py
├── requirements.txt
# ⚙️ Installation locale
## 1. Cloner
```bash
git c …