LLM_Prompt_Engine

LLM -Eingabemotor

Dieses Repository enthält den Quellcode für ein KI-gesteuerter System- und Evaluierungssystem, mit dem die Verwendung von Sprachmodellen (LLMs) in verschiedenen Branchen optimiert werden soll. Das Projekt besteht sowohl aus Frontend- als auch aus Backend -Komponenten, die die Erzeugung der sofortigen Erzeugung, die automatische Bewertungsdatenerzeugung und die schnellen Tests ermöglichen.

Objektiv:

Automatischer Service zur Erzeugung von Eingabeaufforderungen: Dieser Dienst rationalisiert den Prozess der Erstellung effektiver Eingabeaufforderungen und ermöglicht es Unternehmen, LLMs effizient zu nutzen, um qualitativ hochwertige, relevante Inhalte zu generieren. Es reduziert die Zeit und das Fachwissen erheblich, um die Aufforderungen manuell zu erstellen.

Automatische Bewertungsdatengenerierung Service: Der Service von promptTech automatisiert die Erzeugung verschiedener Testfälle, um eine umfassende Abdeckung zu gewährleisten und potenzielle Probleme zu identifizieren. Dies verbessert die Zuverlässigkeit und Leistung von LLM -Anwendungen und spart erhebliche Zeit im QA -Prozess (Qualitätssicherung).

Schnelltest- und Ranking -Service: Der Service von promptTech bewertet und bewertet verschiedene Eingabeaufforderungen basierend auf der Effektivität und hilft den Benutzern, das gewünschte Ergebnis von LLM zu erzielen. Es stellt sicher, dass Chatbots und virtuelle Assistenten genaue, kontextbezogene Antworten liefern und damit das Engagement und die Zufriedenheit des Benutzers verbessern.

Ordnerstruktur:

LLM_Prompt_Engine/
| _ backend/
   | _ tests/
   |  | _ test_evaluation_data_generation.py
   |  | _ test_prompt_generation.py
   |  | _ test_prompt_testing.py
   | _ utils/
   |  | _ langchain.py
   |  | _ pdf_utils.py
   |  | _ text_splitter_utils.py
   |  | _ vector_store_utils.py
   | _ app.py
   | _ config.py
   | _ requirements.txt
| _ frontend/
   | _ src/
   |  | _ components/
   |     | _ chatbox.js
   | _ app.js
   | _ index.js
   | _ index.css
   | _ package-lock.json
   | _ package.json
   | _ README.md
   | _ tailwind.config.js
| _ .gitignore
| _ License
| _ README.md

Backend:

Das Backend -Verzeichnis enthält die Flask -API- und Dienstprogrammdateien für die Eingabeaufforderung und die Bewertung. Tests/: Verzeichnis für Backend -Testdateien. Utils/: Versorgungsdateien für die Eingabeaufforderung für die Erzeugung und Verarbeitung. App.py: Flask -Anwendung zur Behandlung von API -Anfragen. config.py: Konfigurationseinstellungen für das Backend. Anforderungen.txt: Liste der Python -Abhängigkeiten. Installieren Sie mit PIP Install --r -Anforderungen.txt. Frontend:

Das Frontend -Verzeichnis enthält React -Komponenten und Konfigurationsdateien. SRC/: Quellverzeichnis für React -Komponenten. Komponenten/: Verzeichnis für React -Komponenten, einschließlich der Chatbox -Komponente. App.js, Index.js, Index.css: Hauptanwendungsdateien. package-lock.json, package.json: NPM-Paketdateien. Readme.md: ReadMe -Datei für die Frontend. Andere Dateien:

.Gitignore: Gitignore -Datei, um bestimmte Dateien von der Versionskontrolle auszuschließen. Lizenz: Lizenzdatei für das Projekt. ReadMe.md: Haupt -Readme -Datei für das Projekt. Verwendung:

Klonen Sie das Repository. Navigieren Sie zum Backend -Verzeichnis und installieren Sie Abhängigkeiten mit der PIP Install --r -Anforderungen.txt. Führen Sie den Backend -Server mit Python App.py aus. Navigieren Sie zum Frontend -Verzeichnis und installieren Sie Abhängigkeiten mit der NPM -Installation. Starten Sie die Frontend -Anwendung mit NPM Start. Greifen Sie in Ihrem Webbrowser auf die Anwendung unter http: // localhost: 3000 zu. Lizenz: Dieses Projekt ist unter der MIT -Lizenz lizenziert.

Beitrag: Beiträge sind willkommen! Bitte befolgen Sie die beitragenden Richtlinien.