---
title: RAG QA (CookingRecipes)
emoji: 🍲
colorFrom: indigo
colorTo: gray
sdk: gradio
sdk_version: "4.0.0"
app_file: app.py
pinned: false
---

# RAG QA (CookingRecipes)

Це мінімальний RAG Question Answering застосунок на датасеті HuggingFace CodeKapital/CookingRecipes.

## Як працює

1. Беремо перші N рецептів з датасету (щоб не завантажувати весь).
2. Розбиваємо текст на chunks (з overlap).
3. Робимо пошук релевантних chunks:
   - BM25 (keyword)
   - Dense (embeddings)
4. (Опційно) Reranker (cross-encoder) покращує порядок результатів.
5. Відправляємо фінальні chunks у LLM через LiteLLM і отримуємо відповідь.

## Налаштування в UI

- N recipes to index — скільки перших рецептів індексувати.
- Use streaming — читати перші N без завантаження всього датасету.
- Use BM25 / Use Dense / Use Reranker — перемикачі retrieval.
- Top-K — скільки кандидатів брати з кожного retriever.
- Chunks to LLM (final) — скільки chunks реально піде в LLM.

## Важливо про LLM

На HuggingFace Spaces локальний Ollama не доступний, тому для відповідей:

- в полі LLM model використай, наприклад: openai/gpt-4o-mini
- в полі API key введи свій ключ провайдера (ключ не зберігається в коді).

## Demo queries (BM25 vs Dense)

BM25-only (вимкни Dense):

1. Which recipes include worcestershire sauce?
2. Find a recipe that uses xanthan gum

Dense-only (вимкни BM25):

1. Give me a quick dairy-free dessert idea
2. Suggest a high-protein breakfast

## Run locally

```bash
pip install -r requirements.txt
python app.py
```