🧠 BasicRAG: Akıllı Doküman Asistanı (Term Project)

BasicRAG, Google'ın Gemini 1.5 Flash modelini ve LangChain kütüphanesini kullanarak, PDF ve metin belgelerinizden anlamlı bilgiler çıkaran bir Retrieval-Augmented Generation (RAG) sistemidir.

---

🚀 Öne Çıkan Özellikler

• ⚡ Gemini 1.5 Flash Entegrasyonu: Düşük gecikme süresi ve yüksek doğrulukla metin üretimi.
• 📚 Gelişmiş Doküman İşleme: PDF dosyalarını parçalara ayırıp (chunking) vektör uzayına taşıma.
• 🔍 Semantik Arama: Sorularınıza sadece anahtar kelimeyle değil, cümlenin anlamıyla cevap bulur.
• 🧠 Hafıza Desteği: Konuşmanın geçmişini hatırlar ve takip sorularına cevap verebilir.

---

🏗️ Çalışma Mantığı

Sistem temel olarak şu adımları izler:

1. Ingestion: PDF/Text dokümanları okunur.
2. Splitting: Uzun metinler küçük, anlamlı parçalara bölünür.
3. Embedding: Her parça, Google'ın embedding modelleri ile vektörlere (sayısal dizilere) dönüştürülür.
4. Retrieval: Sorunuzla en alakalı metin parçaları vektör veritabanından çağrılır.
5. Generation: Gemini (ya da OpenAI), bu parçaları kullanarak size en doğru yanıtı verir.

---

🛠️ Kurulum - Repoyu Klonlayın

git clone [https://github.com/mel-ektron/basicrag-term-project.git](https://github.com/mel-ektron/basicrag-term-project.git)
cd basicrag-term-project

## Proje Akışı
basicrag-term-project/
├── 🐍 main.py             # Başlatıcı dosya
  ├── 🐍 rag_engine.py       # RAG 
    ──── gemini_basic_rag.ipnyb
     ──── openai_basic_rag.ipynb
├── 📂 data/               # PDF ve dökümanların saklandığı klasör
├── 📄 .env                # API Key (Gizli tutulmalıdır)
├── 📄 requirements.txt    # Gerekli paketler
└── 📄 README.md           # Proje dökümantasyonu