📄 DocTalk: AI-Powered Document Assistant

DocTalk, modern LLM (Large Language Model) teknolojilerini vektör tabanlı arama ile birleştiren bir RAG (Retrieval-Augmented Generation) uygulamasıdır. Kullanıcıların yüklediği PDF ve metin belgelerini analiz eder, bu belgeler içinden semantik arama yapar ve Google Gemini API kullanarak doğal dilde soruları yanıtlar.

---

Proje Tanıtım Videosu: https://youtu.be/bs8mOjw_3xU

Akış Diyagramı

📸 Ekran Görüntüleri

Projenin arayüzüne ve çalışma mantığına dair görselleri aşağıda bulabilirsiniz:

Ana Sayfa & Chat Ekranı (Dashboard)	Belge Analizi(Kısa Özet)

Belge Analizi(Detaylı Özet)	Belge Analizi(Madde Madde Özet)

---

✨ Öne Çıkan Özellikler

• Vektör Tabanlı Semantik Arama: FAISS kütüphanesi sayesinde dokümanlar içerisinde sadece kelime eşleşmesi değil, anlam odaklı arama yapılır.
• Akıllı Soru-Cevap: Google Gemini Flash modeli entegrasyonu ile doküman içeriğine dayalı, bağlamsal ve doğru yanıtlar üretilir.
• Modern Teknik Mimari: - Backend: FastAPI ile asenkron, hızlı ve ölçeklenebilir API servisleri.
  • Frontend: React ve TypeScript ile geliştirilmiş, kullanıcı deneyimi odaklı dinamik arayüz.
• Gelişmiş Belge İşleme: Yüklenen belgelerin otomatik olarak parçalanması (chunking) ve embedding işlemlerinin yapılması.

---

🛠️ Teknoloji Yığını

Alan	Kullanılan Teknolojiler
Backend	Python, FastAPI, Uvicorn
Frontend	React, TypeScript, Vite, CSS
AI/ML	Google Gemini API, LangChain
Vektör DB	FAISS (Facebook AI Similarity Search)

---

⚙️ Kurulum ve Yapılandırma

1. Sanal Ortam Oluşturun:

python3 -m venv ./.venv

2. Sanal Ortamı Aktif Edin:

• Mac / Linux:

source .venv/bin/activate

• Windows:

.venv\Scripts\activate

3. Gerekli Paketleri Yükleyin:

pip install -r requirements.txt

4. .env Dosyasını Ayarlayın:

Projeyi çalıştırmadan önce Google Gemini API anahtarına ihtiyacınız var:

1. Google AI Studio adresine gidin.
2. Hesabınıza giriş yapın ve yeni bir "API key" oluşturun.
3. Proje dizininde bulunan .env.example dosyasını kopyalayarak yeni bir .env dosyası oluşturun.
4. Oluşturduğunuz .env dosyasını açın ve GEMINI_API_KEY değerine aldığınız API anahtarını yapıştırın:

   GEMINI_API_KEY="sizin_api_anahtariniz_buraya"

5. Backend'i Başlatın (FastAPI):

uvicorn backend.main:app --reload --port 8000

6. Frontend'i Başlatın (React UI):

cd frontend
npm install
npm run dev

API çalışmaya başladığında aşağıdaki adreslere erişebilirsiniz:

• Swagger UI: http://127.0.0.1:8000/docs
• Upload Endpoint: POST http://127.0.0.1:8000/upload

7. Vektör Aramasını Test Etme (FAISS):

Sisteme yüklediğiniz belgeler üzerinde semantic arama yapmak için terminalde test_search.py betiğini kullanabilirsiniz:

# Sanal ortam aktifken çalıştırın:
python test_search.py "Aramak istediğiniz metin veya soru" --k 5

(Not: --k 5 parametresi en yakın 5 sonucu getirir. Varsayılan değer 3'tür.)

🤝 Katkıda Bulunma

Her türlü geri bildirim, hata raporu veya özellik önerisi için bir issue oluşturabilir ya da pull request gönderebilirsiniz.

📄 Lisans

Bu proje MIT Lisansı ile lisanslanmıştır.

👤 Cihan Demir - GitHub | LinkedIn 👤 Serkan Yıldız - GitHub | LinkedIn