AI assistant ollama

AI-Assistant-Ollama

وصف المشروع

يوضح هذا المشروع كيفية استخدام المكونات المختلفة من مكتبات langchain_community و langchain_core لتحميل المستندات وتحويلها وتضمينها واستردادها من قاعدة بيانات postgreSQL مع تمكين PGVector. يتم الحصول على المستندات من عناوين URL ، وتحولها إلى نص ، وتقسيم إلى قطع يمكن التحكم فيها ، وتخزينها كمتجهات في قاعدة البيانات لاسترجاعها. يعرض المشروع أيضًا كيفية إنشاء سلسلة RAC (توليد توجيهي للاسترجاع) باستخدام نموذج لغة Ollama للإجابة على الأسئلة بناءً على السياق الذي تم استرداده من متجر Vector.

المتطلبات الأساسية

• بيثون 3.7+
• PostgreSQL مع تمكين PGVector
• Docker (اختياري ، لتشغيل postgresql مع pgVector)

تثبيت

1. استنساخ المستودع:

git clone https://github.com/Atomic-man007/AI-assistant-ollama.git

2. قم بإنشاء بيئة افتراضية وتفعيلها:

python -m venv venv
source venv/bin/activate  # On Windows, use `venvScriptsactivate`

3. تثبيت الحزم المطلوبة:

pip install -r requirements.txt

4. إعداد postgresql مع تمكين PGVector. يمكنك استخدام Docker لتدوير مثيل postgresql بسرعة مع PGVector:

docker run --name pgvector -e POSTGRES_PASSWORD=mysecretpassword -d -p 5432:5432 ankane/pgvector

5. قم بتعيين متغير بيئة DB_URL للإشارة إلى مثيل postgresql الخاص بك:

 export DB_URL=postgresql://postgres:mysecretpassword@localhost:5432/postgres

الاستخدام

1. قم بتحديث قائمة urls في الوظيفة main مع عناوين URL للمستندات التي تريد معالجتها.

2. قم بتشغيل البرنامج النصي:

python main.py

عناصر

• Asynchtmlloader : يحمل محتوى HTML بشكل غير متزامن من عناوين URL المقدمة.
• HTML2TextTransformer : يحول مستندات HTML إلى نص عادي.
• OllamaMeddings : تضمين مستندات النص في مساحة المتجهات.
• PGVECTOR : تطبيق متجر المتجهات باستخدام postgreSQL مع امتداد PGVector.
• RECURSIVECHARACTERTEXTSPLITTER : يقسم المستندات النصية إلى أجزاء من الحجم المحدد.
• chatprompttemplate : إنشاء قالب موجه الدردشة لتوليد الردود.
• RunNableSpassThrough : ممر قابل للتشغيل لمكونات التسلسل.
• Ollama : نموذج لغة يستخدم لإنشاء إجابات بناءً على سياق استرداد.

مثال

يوضح البرنامج النصي الخطوات التالية:

1. تحميل مستندات HTML من عناوين URL المقدمة.
2. تحويل مستندات HTML إلى نص عادي.
3. تقسيم مستندات النص إلى قطع أصغر.
4. قم بتضمين قطع النص في مساحة المتجه وتخزينها في قاعدة بيانات postgresql.
5. استرداد السياق ذي الصلة من متجر المتجهات.
6. استخدم السياق الذي تم استرداده لإنشاء رد على سؤال باستخدام نموذج لغة Ollama.

رخصة

هذا المشروع مرخص بموجب ترخيص معهد ماساتشوستس للتكنولوجيا. انظر ملف الترخيص للحصول على التفاصيل.

شكر وتقدير

• langchain_community و langchain_core مكتبات لتوفير المكونات المستخدمة في هذا المشروع.
• PostgreSQL و PGVector لتنفيذ متجر المتجهات.
• Ollama لنموذج اللغة المستخدمة لتوليد الاستجابات.