rag with knowledge base management
1.0.0
RAG (ARRAMALE-AUFGEGEGEBNISSE) APP, die in ein Sprachassistenten und Wissensbasismanagementsystem integriert ist.
Diese Anwendung integriert ein Modell mit einem Voice-Assistenten (Abrufen-Generation-Generation), mit dem Benutzer über die Sprach- oder Texteingabe mit dem System interagieren können. Darüber hinaus enthält es ein Wissensbasismanagementsystem, mit dem Benutzer Dokumente hinzufügen, anzeigen und löschen können, die vom Lag -Modell über URLs verwendet werden.
Die Anwendung wird auf der Streamlit -Freigabe bereitgestellt und kann bei der folgenden URL zugegriffen werden:
Langchain ist ein Framework, das für das Erstellen von Anwendungen entwickelt wurde, die Sprachmodelle nutzen. Es bietet Tools zum Verbinden von Sprachmodellen mit externen Datenquellen und ermöglicht komplexere und kontextbezogene Interaktionen.
Die Anwendung verwendet mehrere OpenAI -Modelle, um Konversationsfähigkeiten und Dokumentenabruf bereitzustellen:
gpt-3.5-turbo ) zum Generieren von Antworten basierend auf Benutzeranfragen und vorherigen Konversationskontext.whisper-1 ) für die automatische Spracherkennung, um Audioeingänge von Benutzern zu transkribieren. Darüber hinaus hat Cohere Re-Ranker ( Standard: rerank-english-v2.0 ), um die Relevanz von abgerufenen Dokumenten zu verbessern, indem sie aufgrund ihrer Relevanz für die Abfrage erneut gerichtet werden.
DeePlake wird als Vektor Store verwendet, um Dokumentenbettendings zu speichern und abzurufen. Es erleichtert die effiziente Ähnlichkeitssuche und das Abrufen relevanter Dokumente aus der Wissensbasis.
Apify ist eine Web -Scraping- und Automatisierungsplattform, die die Extraktion von Daten von Websites ermöglicht. Es wird verwendet, um Dokumente von URLs abzukratzen, die von Benutzern bereitgestellt werden, und in der Wissensbasis zu speichern.
Streamlit ist ein Open-Source-App-Framework, das die Erstellung benutzerdefinierter Webanwendungen für maschinelles Lernen und Datenwissenschaftsprojekte mit minimalem Aufwand ermöglicht. Es wird hier verwendet, um die Benutzeroberfläche der Anwendung zu erstellen.
Um die Anwendung lokal zu installieren, müssen Sie Docker auf Ihrem Computer installieren lassen. Leiten Sie dann die folgenden Befehle aus:
docker build -t rag-with-knowledge-base-management .docker run -p 8501:8501 rag-with-knowledge-base-managementDie Anwendung sollte nun unter http: // localhost: 8501 zugänglich sein.
Bitte stellen Sie sicher, dass Sie Ihre API -Schlüssel zur .env -Datei hinzufügen, bevor Sie die Anwendung ausführen. Die folgenden Schlüssel im Inneren .env.example müssen ausgefüllt werden:
OPENAI_API_KEY - OpenAI -API -SchlüsselCOHERE_API_KEY - Cohere -API -SchlüsselAPIFY_API_TOKEN - apify api tokenACTIVELOOP_TOKEN - Activeloop -API -TokenACTIVELOOP_ORG_ID - Activeloop -Organisations -ID Verteilt unter der Open-Source Apache 2.0-Lizenz. Weitere Informationen finden Sie LICENSE .
Die folgenden Repositorys waren nützlich beim Aufbau dieses Projekts:
