text sql chatbot

Text-SQL-Chatbot

Die Redis -Datenbank bietet eindeutige Möglichkeiten, Ihre Daten frisch zu halten, während Sie über LLM Chatbot dienen

Funktionen in dieser Demo

Text an die SQL -Generation basierend auf der Datenbank

Ergebnisse durch semantisches Caching liefern

Datenablauf nach 15 Sekunden, um den Cache frisch zu halten

Projekt -Setup

Drehen Sie eine Redis -Instanz, die mit RedisStack aktiviert ist!

Der einfachste Weg, um ein Docker -Bild mit dem folgenden Befehl zu verwenden

docker run -d -p 6379:6379 -p 8001:8001 redis/redis-stack:latest

Wenn Sie kein Docker -Image verwenden möchten, können Sie sich hier für ein kostenloses Redis -Cloud -Abonnement anmelden.

Richten Sie das Projekt ein

Laden Sie das Repository herunter

 git clone https://github.com/mar1boroman/text-sql-chatbot.git && cd text-sql-chatbot

Bereiten Sie die virtuelle Umgebung vor und aktivieren Sie

 python3 -m venv venv && source venv/bin/activate

Installieren Sie die erforderlichen Bibliotheken und Abhängigkeiten

 pip install -r requirements.txt

Verwenden des Projekts

Konfiguration aktualisieren

Stellen Sie sicher, dass Sie die Env -Datei aktualisieren. Sie benötigen einen offenen AI -API -Schlüssel und einen Langsmith -API -Schlüssel, um die Konfiguration zu aktualisieren.

 mv env_backup .env

 vi .env

Daten laden

Laufen Sie nicht, wenn nicht erforderlich ist, um die Arbeiten nur anzuzeigen

 python  data/load.py

Dadurch wird die Datenbank cARS_DATABASE.DB (SQLLITE) erstellt.

Wenn Sie dies direkt ausführen, erhalten Sie einen Fehler

Führen Sie die App aus

 streamlit run web/app.py