Custom Question Answering Chatbot using Langchain and Gemini AI

Benutzerdefinierte Frage zur Beantwortung von Chatbot mit Langchain und Gemini LLM

• Einführung
• Projektübersicht
• Tools verwendet
• Erste Schritte
• Screenshot
• Anwendungsfall
• Zukünftige Verbesserungen
• Mitwirkende
• Lizenz

Einführung

Dieses Projekt implementiert eine benutzerdefinierte Frage, die Chatbot mit Langchain und Google Gemini Language Model (LLM) beantwortet. Der Chatbot ist auf industriellen Daten aus einer Online -Lernplattform geschult, die aus Fragen und entsprechenden Antworten besteht.

Projektübersicht

Der Projekt -Workflow umfasst die folgenden Schritte:

1. Datenfeineinstellung : Das Google Gemini LLM ist mit den industriellen Daten gut abgestimmt, um sicherzustellen, dass das Modell Fragen basierend auf dem bereitgestellten Kontext genau beantworten kann.

2. Einbettung und Vektordatenbank : Die Einbettung von Huggingface -Satz wird verwendet, um Fragen und Antworten in Vektoren umzuwandeln, die in einer Vektordatenbank gespeichert sind.

3. Retriever-Implementierung : Eine Retriever-Komponente wurde entwickelt, um ähnlich aussehende Vektoren aus der Vektor-Datenbank basierend auf der Abfrage des Benutzers abzurufen.

4. Integration mit Langchain RetivalQA -Kette : Die Komponenten werden unter Verwendung der Langchain -Retivalqa -Kette in eine Kette integriert, die eingehende Abfragen verarbeitet und relevante Antworten abruft.

5. Benutzeroberfläche : StreamLit wird verwendet, um eine einfache Benutzeroberfläche zu erstellen, mit der Benutzer ihre Fragen eingeben und Antworten aus dem Chatbot erhalten können.

Tools verwendet

• Google Gemini LLM: Sprachmodell, das mit industriellen Daten fein abgestimmt ist.
• Umarmung: Bibliothek für Satzeinbettung verwendet.
• Langchain: Rahmen für den Aufbau von KI -Systemen mit Gesprächen.
• Streamlit: Bibliothek zum Erstellen webbasierter Benutzeroberflächen.

Erste Schritte

Befolgen Sie die folgenden Schritte, um das Projekt lokal auszuführen:

1. Klonen Sie das Repository in Ihre lokale Maschine.
2. Installieren Sie die erforderlichen Abhängigkeiten, die in der Datei der requirements.txt aufgeführt sind.
3. Führen Sie die Streamlit -Anwendung aus, indem Sie streamlit run app.py in Ihrem Terminal ausführen.

Screenshot

Anwendungsfall

Die benutzerdefinierte Frage zur Beantwortung von Chatbot dient verschiedenen Zwecken, darunter:

• Bereitstellung von schnellen und genauen Antworten auf Benutzeranfragen im Zusammenhang mit dem von den Industriedaten behandelten Thema.
• Verbesserung der Benutzererfahrung auf Online -Lernplattformen durch sofortige Unterstützung.
• Straffung von Kundenunterstützungsprozessen durch Automatisierung der Antworten auf häufig gestellte Fragen.

Zukünftige Verbesserungen

• Integrieren Sie zusätzliche Vorverarbeitungstechniken, um eine breitere Palette von Benutzerabfragen zu verarbeiten.
• Implementieren Sie erweiterte Sprachmodelle für genauere Antworten.
• Verbessern Sie die Benutzeroberfläche mit zusätzlichen Funktionen für eine bessere Benutzererfahrung.

Mitwirkende

• Abhijit Maharana

Lizenz

Dieses Projekt ist unter der MIT -Lizenz lizenziert.