Este aplicativo é um sistema de análise de documentos e respostas a perguntas criado no Next.js, usando a API Gemini do Google e o banco de dados de vetores da Pinecone. Ele implementa a geração aumentada de recuperação (RAG, na sigla em inglês) para fornecer respostas inteligentes com base nos documentos PDF enviados. Os usuários podem fazer upload de PDFs, que são processados e armazenados como embeddings no Pinecone usando os embeddings do Gemini e o LangChain. Isso permite a recuperação eficiente de informações relevantes para consultas do usuário. Ele também oferece uma excelente interface do usuário. O app tem cinco modos:
MCQ: gera perguntas de múltipla escolha Explain: fornece explicações detalhadas Summarize: cria resumos concisos Bullet Points: extrai pontos-chave Tabela de comparação: compara informações em formato tabular
Quando um usuário seleciona um modo e envia uma consulta, o sistema recupera seções de documentos relevantes do Pinecone e usa a API Gemini 1.5 Flash para gerar respostas personalizadas. Essa abordagem RAG combina modelos de linguagem pré-treinados com acesso em tempo real ao conteúdo do documento, garantindo respostas precisas e com base no contexto. O uso da API Gemini para embeddings e geração de respostas oferece resultados de alta qualidade em vários tipos de consulta e tarefas de análise.
Desenvolvido com
Web/Chrome
API Gemini
Equipe
Por
Ayush, Nachiketh, Rishabh
De
Índia
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Não contém as informações de que eu preciso","missingTheInformationINeed","thumb-down"],["Muito complicado / etapas demais","tooComplicatedTooManySteps","thumb-down"],["Desatualizado","outOfDate","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Problema com as amostras / o código","samplesCodeIssue","thumb-down"],["Outro","otherDown","thumb-down"]],[],[],[],null,["# Guru Intelligence\n\n[More Apps](/competition/vote) \n\nGuru Intelligence\n=================\n\nKnowledge at your fingertips \nVote \nVoted!\nWhat it does\n\nThis application is a document analysis and question-answering system built on Next.js, using Google's Gemini API and Pinecone vector database. It implements Retrieval Augmented Generation (RAG) to provide intelligent responses based on uploaded PDF documents. \nUsers can upload PDFs, which are processed and stored as embeddings in Pinecone using Gemini Embeddings and LangChain. This enables efficient retrieval of relevant information for user queries. It also provides excellent User Interface. \nThe app features five modes: \n\nMCQ: Generates multiple-choice questions \nExplain: Provides detailed explanations \nSummarize: Creates concise summaries \nBullet Points: Extracts key points \nTable Comparison: Compares information in tabular format \n\nWhen a user selects a mode and submits a query, the system retrieves relevant document sections from Pinecone and uses Gemini 1.5 Flash API to generate tailored responses. \nThis RAG approach combines pre-trained language models with real-time access to document content, ensuring context-aware and accurate answers. The use of Gemini API for both embeddings and response generation provides high-quality results across various query types and analysis tasks. \nBuilt with\n\n- Web/Chrome\n- Gemini API \nTeam \nBy\n\nAyush, Nachiketh, Rishabh \nFrom\n\nIndia \n[](/competition/vote)"]]
