Descarga Basic Qdrant Upload and Search Example - Código Basic Qdrant Upload and Search Example Descargar el código fuente de la búsqueda

Basic Qdrant Upload and Search Example

Otro código fuente

1.0.0

Descargar

Básico-qdrant-supload-and-search-exposición

Código de ejemplo sobre cómo cargar y buscar una base de datos Qdrant Vector

Si encuentra que este código es útil, considere revisar mi proyecto de asistente de IA principal: https://github.com/libraryofcelsus/aetherius_ai_assistant

Si desea más tutoriales de código como este, sígueme en Github y YouTube: https://www.youtube.com/@libraryofcelsus

(El canal aún no se ha lanzado, tengo múltiples scripts como este escritos, pero todavía estoy trabajando en un formato de producción de video. ¡Suscríbete para su lanzamiento!)

Tutoriales de código en De-Depth en un formato de documentación disponible en: https://www.libraryofcelsus.com/research/public/code-tutorials/

Instalación de la ventana

Si se usa Qdrant Cloud, copie su clave API y URL a los archivos .txt correspondientes.
Qdrant Cloud Link: https://qdrant.to/cloud
Para usar un servidor Qdrant local, primero instale Docker: https://www.docker.com/, luego consulte: https://github.com/qdrant/qdrant/blob/master/quick_start.md
Una vez que el servidor Qdrant local se está ejecutando, el script debe detectar automáticamente.
Instalar git
Instale Python 3.10.6, asegúrese de agregarlo a la ruta
Programa Open Git Bash
Ejecutar Git Clone: Git Clone https://github.com/libraryofcelsus/basic-qdrant-upload-and-search-example
Abra la línea de comando como administrador y navegue a la carpeta de instalación del proyecto con CD
Crear un entorno virtual: Python -M Venv Venv
Active el entorno virtual con :. venv scripts activar
Instale los requisitos con los requisitos de PIP Install -R.txt
Editar y establecer su nombre de usuario y nombre de chatbot en los archivos .txt
Editar y establecer su aviso principal y saludo en los archivos .txt
Para Oobabooga: instale el oobabooga web-ui. Esto se puede hacer con un instalador de un solo clic que se encuentra en su página de GitHub: https://github.com/oobabooga/text-generation-webui. Luego, inicie la Web-UI y navegue a la pestaña Sesiones, haga clic en ambos cuadros API y luego haga clic en Aplicar y reiniciar. Ahora navegue a la pestaña Modelos e ingrese: "TheBloke/LLAMA-2-7B-CHAT-GPTQ" o "TheBloke/LLAMA-2-13B-CHAT-GPTQ". (Si se usa CPU, use la versión GMML) Una vez que se descarga el modelo, cambie el cargador del modelo a Exllama y establezca el parámetro GPU-Split en .5GB bajo el límite de su GPU. A continuación, establezca el max_seq_len en 4096.
Para OpenAI: agregue su tecla API OpenAI a Key_openai.txt
Ejecute el chatbot con python script_name.py