sales bot with couchbase vector database

Überblick

In diesem Notebook nehmen Sie einen Datensatz für Amazon Product Reviews von Kaggle und verwenden OpenAI GPT-4O, um Produktüberprüfungszusammenfassungen zu erhalten, diese Zusammenfassungen in einer Vektor-Datenbank zu verbessern, und verwenden dann die ARRAVAL-Augmented-Generation (RAG), um einen Verkaufchatbot zu versorgen, der zielgerichtete Produktempfehlungen abgeben kann.

Schauen wir uns den gesamten Workflow an:

1. Wir beginnen mit einem Datensatz, der über 10.000 Bewertungen in 900 Amazon -Musikinstrumenten und Zubehör enthält.
2. Mit GPT-4O-Chat erstellen wir Zusammenfassungen von Produktbewertungen für jedes Produkt aus den 20 neuesten Bewertungen. Wir formatieren die Zusammenfassungen im JSON -Format.
3. Wir nehmen dann die Zusammenfassungen ein und belasten sie in eine Vektor -Datenbank (Couchbase in diesem Fall).
4. Anschließend verwenden wir Couchbase-Vektorindizes und GPT-4O, einen auf RAG-basierten Vertriebschatbot zu erstellen, der dem Benutzer gezielte Empfehlungen liefert, die auf den im Inventar enthaltenen Produkten basieren.

Openai

Wir werden OpenAI verwenden, um alle Genai -Modellanforderungen dieses Notebooks zu betreiben: LLMs, Image Gen, Image Animation.

• Um das OpenAI -Modell zu verwenden, müssen Sie zu https://platform.openai.com/ gehen und sich anmelden.
• Als nächstes müssen Sie ein API -Token generieren, indem Sie diese Anweisungen befolgen. Halten Sie das API -Token in der Hand, wir brauchen es weiter unten in diesem Notebook.

In diesem Beispiel werden wir das GPT-4O-Anweisungsmodell verwenden.

Couchbase

Wir werden Couchbase Capella für unsere Vector -Datenbank verwenden. Sie können Ihr kostenloses Konto hier mit Ihrem Github -Konto oder Ihrer E -Mail erstellen.

Lokales Python -Notizbuch

Öffnen Sie Ihre Terminal- oder Eingabeaufforderung und verwenden Sie den Befehl cd , um zum Verzeichnis zu navigieren, in dem sich Ihr Jupyter -Notizbuch befindet. Zum Beispiel:

 cd /path/to/your/sales-bot-with-couchbase-vector-database

Verwenden Sie das venv -Modul (oder virtualenv , wenn Sie es bevorzugen), um eine neue virtuelle Umgebung in diesem Verzeichnis zu erstellen:

python -m venv .venv  # Creates a virtual environment named '.venv'

Aktivieren Sie die Umgebung, um sie zu verwenden:

 source .venv/bin/activate  # On Linux/macOS
.venv S cripts a ctivate  # On Windows

Auf diese Weise kann Jupyter Ihre virtuelle Umgebung erkennen:

pip install ipykernel

Dies macht Ihre virtuelle Umgebung in Jupyter ausgewählt:

python -m ipykernel install --user --name=.venv --display-name= " My Notebook Env "

(Ersetzen Sie "My Notebook Env" durch einen beschreibenden Namen für Ihren Kernel.)

• Starten Sie Jupyter Notebook: jupyter notebook
• Open SalesBot_Couchbase.ipynb
• Wählen Sie den Kernel: Gehen Sie zu "Kernel" -> "Kernel ändern" und wählen Sie den Kernel, den Sie gerade erstellt haben ("My Notebook Env").

Sie müssen keine zusätzlichen PIP -Pakete vor dem Ausführen des Notebooks installieren, da diese gleich zu Beginn installiert werden. Sie müssen sicherstellen, dass Ihr System durch Befolgen der Anweisungen imagemagick installiert ist.

Denken Sie daran, wenn Sie bereits Ihre VirtuL -Umgebung haben, denken Sie daran, sie nur noch einmal zu beziehen:

 source .venv/bin/activate