Download autonomous hr chatbot - Herunterladen von autonomous hr chatbot Quellcode

autonomous hr chatbot

Anderer Quellcode

1.0.0

Herunterladen

Autonomous HR -Chatbot, die mit Chatgpt, Langchain, Tinecone und Stromlauf erstellt wurden

Begleitlesen: Erstellen eines (meistens) autonomen HR -Assistenten mit Chatgpt und Langchains Agenten und Tools

Tl; dr/Beschreibung

Dies ist eine Prototyp -Enterprise -Anwendung - ein autonomer Agent, der mithilfe der Tools, die er zur Hand hat, beantworten kann. Es wurde mit Langchains Agenten und Tools-Modulen unter Verwendung von Pinecone als Vektordatenbank hergestellt und von ChatGPT oder GPT-3,5-Turbo betrieben. Das Front-End wird unter Verwendung der Streamlit_Chat-Komponente streamlit.

Werkzeuge:

Zeitmesser -Richtlinien - Ein Chatgpt generiert ein Beispiel für HR -Richtlinien -Dokument. Für dieses DOC wurden Einbettungen unter Verwendung von OpenAIs Text-Embedding-ada-ad-002 -Modell erstellt und in einem Tinecone-Index gespeichert.
Mitarbeiterdaten - Eine CSV -Datei mit Dummy -Mitarbeiterdaten (z. B. Name, Supervisor, Anzahl der Blätter usw.). Es wird als Pandas -Datenframe geladen und von der LLM unter Verwendung von Langchains Pythonastrepltool manipuliert
Taschenrechner - Dies ist Langchains Rechnerkettenmodul, LLMMATHCHAIN

Beispielchat

sample_chat

Verwendung des Beispielwerkzeugs

sample_tool_use

Wie man dieses Repo benutzt

Installieren Sie Python 3.10. Windows, Mac
Klonen Sie das Repo in ein lokales Verzeichnis.
Navigieren Sie zum lokalen Verzeichnis und führen Sie diesen Befehl in Ihrem Terminal aus, um alle Voraussetzungsmodule zu installieren - pip install -r requirements.txt
Geben Sie Ihre eigenen API -Tasten in die Datei hr_agent_backend_local.py (oder hr_agent_backend_azure.py ein, wenn Sie die Azure -Version verwenden möchten.
Führen Sie streamlit run hr_agent_frontent.py in Ihrem Terminal aus

Aufbewahrung von Einbettungen in Tinecone

Erstellen Sie ein Pinecone -Konto in Pnecone.io - Es gibt eine kostenlose Stufe. Beachten Sie die Pnecone -API- und Umgebungswerte.
Führen Sie das Notebook 'store_embeddings_in_pinecone.ipynb' aus. Ersetzen Sie die Tinecone- und OpenAI -API -Schlüssel (für das Einbettungsmodell) durch Ihren eigenen.

Tech Stack

Azure OpenAI Service - Das OpenAI -Serviceangebot für Azure -Kunden.
Langchain - Entwicklungsrahmen Arbeit zum Aufbau von Apps rund um LLMs.
Pinecone - Die Vektordatenbank zum Speichern der Einbettungen.
Stromlit - für das vordere Ende verwendet. Leichtes Framework für die Bereitstellung von Python -Web -Apps.
Azure Data Lake - Für die Landung der CSV -Dateien der Mitarbeiterdaten. Jeder andere Cloud -Speicher sollte genauso gut funktionieren (Blob, S3 usw.).
Azure Data Factory - Wird verwendet, um die Datenpipeline zu erstellen.
SAP HCM - Das Quellsystem für Mitarbeiterdaten.