RAG Powered GPT 4 Chatbot

RAG-betrieben GPT-4 Chatbot: AI-basierte Wissensabruf

Revolutionieren Sie die Dateninteraktion mit einem Chatbot, das mit der Abruf-Generation (RAG) und dem GPT-4 von OpenAI erstellt wurde. Laden Sie Dokumente hoch, erstellen Sie benutzerdefinierte Wissensbasis und erhalten Sie präzise, ​​kontextbezogene Antworten für Forschung, Geschäftsbetrieb und Kundenbetreuung.

Inhaltsverzeichnis

1. Einführung
2. Schlüsselmerkmale
3. Anwendungsfälle
4. Wie es funktioniert
5. Erste Schritte
6. Dateistruktur
7. Beitragen
8. Lizenz

Einführung

Der Lag-betriebene Chatbot kombiniert das Abrufen von Abrufen und generative KI, damit Benutzer aus benutzerdefinierten Datenquellen auf bestimmte Informationen zugreifen können. Durch das Hochladen Ihrer Dokumente kann der Chatbot die relevantesten Daten aus Ihren Dateien ziehen, um eine hohe Genauigkeit und aktuelle Antworten zu gewährleisten.

Schlüsselmerkmale

• Dokumente hochladen : Fügen Sie PDFs oder andere Dokumente hinzu, die in überschaubare Teile zerlegt und als Vektoren in einer Datenbank gespeichert werden.
• Benutzerdefinierte Wissensbasis : Erstellen Sie eine durchsuchbare Wissensbasis aus Ihren hochgeladenen Dateien.
• Persistente Datenbank : Speichern, abrufen und wiederverwenden Ihre Wissensbasis jederzeit.
• Genauige Antworten : Erhalten Sie kontextbewusste Antworten basierend auf den Daten in Ihrer benutzerdefinierten Wissensbasis.

Anwendungsfälle

• Forschung : Analysieren Sie große Datensätze, Studien und Forschungsarbeiten, indem Sie relevante Informationen abfragen.
• Geschäftsbetriebe : Zugang zu internen Dokumenten und Richtlinien, um eine bessere Entscheidungsfindung zu erzielen.
• Kundenbetreuung : Erstellen Sie einen Chatbot, der sofort Daten aus FAQs oder Produkthandbüchern zieht.
• Training & Onboarding : Bieten Sie neue Mitarbeiter mit sofortigen Zugang zu wichtigen internen Dokumenten und Schulungsmaterialien.

Wie es funktioniert

1. Dokumente hochladen :

   • Laden Sie PDF- oder Textdateien in das System hoch.
   • Die Dateien werden automatisch in kleinere Abschnitte aufgeteilt und zur effizienten Suche in Vektoren konvertiert.

2. Wissensbasis erstellen :

   • Das System erstellt eine benutzerdefinierte Wissensbasis aus den hochgeladenen Dokumenten.
   • Diese Wissensbasis kann mit Abfragen natürlicher Sprache durchsucht werden.

3. Abfragebasis :

   • Verwenden Sie die Chatbot -Schnittstelle, um Fragen zu stellen.
   • Das System ruft mithilfe der semantischen Suche die relevantesten Informationen aus der Wissensbasis ab.

4. Persistente Datenbank :

   • Speichern Sie Ihre hochgeladenen Dateien und Datenbanken für den zukünftigen Zugriff.
   • Wiederverwenden oder ändern Sie die Wissensbasis, ohne dass die Dateien erneut überladen sind.

Erste Schritte

Voraussetzungen

• Python 3.x
• Azure OpenAI-API-Schlüssel für die GPT-4-Integration

Installation

1. Klonen Sie das Repository :

   git clone https://github.com/your-username/rag-powered-gpt4-chatbot.git
   cd rag-powered-gpt4-chatbot

2. Richten Sie eine virtuelle Umgebung ein :

   python -m venv ragvenv
   source ragvenv/bin/activate

3. Abhängigkeiten installieren :

   pip install -r requirements.txt

4. Konfigurieren Sie Azure OpenAI -Anmeldeinformationen :

   • Öffnen Sie die Datei config.env und fügen Sie die folgenden Azure OpenAI -Anmeldeinformationen hinzu:

     AZURE_OPENAI_ENDPOINT= " your-azure-openai-endpoint "
     AZURE_OPENAI_API_KEY= " your-azure-openai-api-key "
     API_VERSION= " 2024-02-15-preview "

5. Führen Sie die Anwendung aus :

   python app.py

6. Zugriff auf die Anwendung :

   • Öffnen Sie Ihren Browser und gehen Sie zu http://localhost:8000 .

Verwenden der Anwendung

1. Laden Sie eine Datei hoch :

   • Navigieren Sie zum Abschnitt "Datei hochladen" der App.
   • Wählen Sie ein PDF oder ein anderes Dokument zum Hochladen aus.

2. Erstellen Sie eine Wissensbasis :

   • Das hochgeladene Dokument wird verarbeitet und in Stücke aufgeteilt.
   • Aus diesen Stücken wird eine benutzerdefinierte Wissensbasis erstellt und für zukünftige Abfragen gespeichert.

3. Fragen Sie den Chatbot ab:

   • Geben Sie Ihre Fragen in das Feld Chatbot -Eingänge ein.
   • Der Chatbot ruft relevante Informationen aus der benutzerdefinierten Wissensbasis basierend auf Ihrer Abfrage ab.

4. Greifen Sie auf frühere Datenbanken zu :

   • Verwenden Sie das Dropdown -Menü, um zuvor erstellte Datenbanken zugreifen und abfragen.

Dateistruktur

 rag-powered-gpt4-chatbot/
├── app.py               # Main application script
├── config.env           # Configuration file for API keys
├── database/            # Folder for storing database files
├── rag_app.log          # Log file for tracking application events
├── requirements.txt     # Python dependencies
├── static/              # Static files like CSS
│   └── styles.css       # CSS file for basic styling
├── templates/           # HTML templates for the app interface
│   └── index.html       # Main page of the app
├── upload_file/         # Directory for storing uploaded files
├── utils.py             # Utility functions

Beitragen

Beiträge sind willkommen! Bitte öffnen Sie eine Ausgabe oder senden Sie eine Pull -Anfrage, wenn Sie neue Funktionen hinzufügen oder Fehler beheben möchten.

Lizenz

Dieses Projekt ist unter der MIT -Lizenz lizenziert - Einzelheiten finden Sie in der Lizenzdatei.

---