PDF ile Sohbet Uygulaması (StudyLens)

Bir PDF dosyasını yükleyip ona doğal dille soru sorabildiğiniz, cevapların yalnızca o belgenin içeriğine dayanarak üretildiği bir RAG (Retrieval-Augmented Generation) uygulaması. Yapay zeka, belgeyi baştan sona "okumak" yerine sorunuzla en alakalı parçaları bulup yalnızca onlara dayanarak cevap üretir — bu da uydurma (halüsinasyon) riskini azaltır ve belge ne kadar uzun olursa olsun hızlı çalışmasını sağlar.

İsteğe bağlı olarak, aynı soru YouTube'da da aratılıp konuyla ilgili video önerileri gösterilebilir — özellikle ders çalışırken yazılı cevabın yanında görsel anlatım işe yarar.

Özellikler

• PDF yükleme ve otomatik parçalama (chunking)
• Parçaların embedding'e çevrilip vektör veritabanında (FAISS / ChromaDB) indekslenmesi
• Soruya anlamca en yakın parçaların bulunup bir dil modeline (Gemini / Groq) gönderilmesi
• Yalnızca belge içeriğine dayalı, kaynağı belirtilen cevaplar
• Opsiyonel: "İlgili YouTube videosu göster" seçeneği ile video önerileri
• Streamlit tabanlı sohbet arayüzü

Kurulum

python -m venv venv
venv\Scripts\activate  # Windows
pip install -r requirements.txt

.env.example dosyasını .env olarak kopyalayıp kendi API key'lerinizi girin (Gemini/Groq ve YouTube Data API).

Kullanım

streamlit run app.py

Tarayıcıda açılan arayüzden bir PDF yükleyin, sorunuzu yazın ve isterseniz ilgili YouTube videolarını görmek için seçeneği işaretleyin.

Testler

pytest

Proje Yapısı

pdf-chat-app/
├── app.py               # Streamlit arayüzü
├── rag_pipeline.py      # PDF okuma, bölme, embedding, arama fonksiyonları
├── youtube_search.py    # YouTube Data API ile video arama fonksiyonu
├── requirements.txt     # Gerekli kütüphaneler
├── .env.example         # API key için örnek dosya (gerçek key burada olmaz)
├── .gitignore            # .env dosyasını hariç tutar
└── README.md             # Kurulum ve kullanım talimatları

Kullanılan Teknolojiler

Katman	Araç
Arayüz	Streamlit
Metin bölme + embedding	LangChain / sentence-transformers
Vektör veritabanı	FAISS veya ChromaDB
Dil modeli	Google Gemini API veya Groq API
Video önerisi	YouTube Data API v3
Yayına alma	Streamlit Community Cloud / Hugging Face Spaces

Ekip

• Ömer — Arayüz (Streamlit UI, sohbet ekranı, video önerisi arayüzü), backend entegrasyonu, canlı ortama deploy
• Yağmur — Veri/Model katmanı (PDF okuma, chunking, embedding, vektör arama), YouTube arama fonksiyonu, dokümantasyon

Not: API key'ler asla kodun içine yazılmaz; .env dosyasında tutulur ve .gitignore ile hariç tutulur. Yayına alırken platformun "secrets" bölümü kullanılır.