
Schnelle Startanschlüsse
Mit Coheres Build-Your-Own-Connector-Framework können Sie Coheres Befehl LLM über den Chat-API-Endpunkt in einen Datenspeicher/eine beliebige Software integrieren, die Textinformationen enthält und einen entsprechenden Suchendpunkt in seiner API enthält. Auf diese Weise ermöglicht das Befehlsmodell generierte Antworten auf Benutzeranfragen, die auf proprietären Informationen beruhen.
Einige Beispiele für die Anwendungsfälle, die Sie mit diesem Framework aktivieren können:
Dieses Open-Source-Repository enthält Code, mit dem Sie mit einigen der beliebtesten Datenspeicher beginnen können. Es gibt auch einen leeren Vorlagenanschluss, den Sie erweitern können, um jede Datenquelle zu verwenden. Beachten Sie, dass unterschiedliche Datenspeicher unterschiedliche Anforderungen oder Einschränkungen haben können, die angegangen werden müssen, um hochwertige Antworten zu erhalten. Während ein Teil des QuickStart-Codes erweitert wurde, um einige dieser Einschränkungen anzugehen, liefern andere nur die Grundlagen der Integration, und Sie müssen sie weiter entwickeln, um Ihren spezifischen Anwendungsfall und die zugrunde liegenden Datenspeicherungsbeschränkungen anzupassen.
Weitere Informationen zu unserem Connectors Framework finden Sie hier: https://docs.cohere.com/docs/connectors
Dieses Projekt erfordert mindestens Python 3.11+ und Gedichte. Jeder Connector verwendet Poesie, um eine virtuelle Umgebung zu erstellen, die für diesen Connector spezifisch ist, und alle erforderlichen Abhängigkeiten für den Ausführen eines lokalen Servers zu installieren.
Für Produktionsveröffentlichungen können Sie optional mit Docker erstellen und bereitstellen. Beim Erstellen eines Docker -Images können Sie die Dockerfile im Stammprojektverzeichnis verwenden und das app -Build -Argument angeben. Zum Beispiel:
docker build . -t gdrive:1 --build-arg app=gdrive Für die Entwicklung finden Sie in der Readme eines Connectors. Im Allgemeinen gibt es eine .env Datei, die in diesem Unterverzeichnis erstellt werden muss, basierend auf einem .env-template . Die Umgebungsvariablen haben hier am häufigsten Autorisierungswerte wie API -Schlüssel, Anmeldeinformationen festgelegt und ändern auch die Art und Weise, wie sich die Suche nach diesem Konnektor verhält.
Nach der Konfiguration des .env können Sie die CLI von poetry verwenden, um einen lokalen Server zu starten.
Es wird empfohlen, die definierten Vorkommnisse zu verwenden, mit denen Ihre Dateien automatisch festgelegt werden. Sie können eine pip install pre-commit ausführen
Und
pre-commit install im Stammordner. Jetzt, bevor Sie Ihre Dateien festlegen, werden automatisch abgegeben. Derzeit wird der Vorverfahren schwarz ausgeführt (steckt auf 24.1.1).
Alle Anschlüsse in diesem Repository wurden auf die Integration in die Chat -API von Coher zugeschnitten, um ein geerdeter Chatbot schnell und einfach zu erstellen.
Die API von Coher verlangt, dass Anschlüsse Dokumente als Array von JSON -Objekten zurückgeben. Jedes Dokument sollte ein Objekt mit Zeichenfolgenschlüssel und Zeichenfolgenwerten sein, die alle relevanten Informationen zum Dokument enthalten (z. B. title , url usw.). Für die besten Ergebnisse sollte der größte Textinhalt im text gespeichert werden.
Beispielsweise kann ein Anschluss, der Dokumente zur Unternehmensausleitungsrichtlinie zurückgibt, Folgendes zurückgeben:
[
{
"title" : " Company Travel Policy " ,
"text" : " Flights, Hotels and Meals can be expensed using this new tool... " ,
"url" : " https://drive.google.com/file/d/id1 " ,
"created_at" : " 2023-11-25T20:09:31Z "
},
{
"title" : " 2024 Expenses Policy " ,
"text" : " The list of recommended hotels are... " ,
"url" : " https://drive.google.com/file/d/id2 " ,
"created_at" : " 2023-12-04T16:52:12Z "
}
]Die Chat -API von Coho wird den Anschluss abfragt und diese Dokumente mit direkten Antworten mit direkten Zitaten verwendet.
Beiträge sind das, was eine Open -Source -Community vorantreibt. Alle geleisteten Beiträge werden sehr geschätzt. Für spezifisch. Schauen Sie sich unsere Dokumentation an.