medicure rag chatbot

¿Medicure Rag Chatbot?

Una técnica de RAG de implementación de chatbot de IA con el modelo de lenguaje grande Meta-Llama2-7B, junto con Langchain y Pinecone Vector Bases de datos. Recurso utilizado: la enciclopedia de la medicina Gale

Capturas de pantalla

Tecnologías utilizadas

1. Rleitud- WebApp UI
2. Pinecone - Base de datos vectorial
3. Langchain y transformadores de oraciones: Remieveqachain y modelo de incrustación
4. Modelo cuantificado de Meta Llama-2-7B-CHAT-Modelo de lenguaje grande (LLM) de Hub Face Hub

Enfoque de solución

Pinecone Vector DB almacena las embedidas Text_Chunks generadas a partir del libro PDF. Langchain se usa para construir el LLMCHAIN ​​con TIREDTemplate para realizar la búsqueda de similitud desde Pinecone y luego grano fino con LLM.

Ejecutando la aplicación web a nivel local

Para ejecutar la aplicación web localmente, siga estos pasos:

1. Clon el repositorio :

git clone https://github.com/4darsh-Dev/medicure-rag-chatbot.git 

2. Configurar poesía :

     pip install poetry
     poetry init
     poetry shell
     

3. Requisitos de instalación :

     poetry install
     

4. Ejecute la aplicación Streamlit :

   poetry streamlit run app.py

5. Acceda a su aplicación : después de ejecutar el comando, Streamlit iniciará un servidor web local y proporcionará una URL en la que puede acceder a su aplicación. Por lo general, será algo como http://localhost:8501 . Abra esta URL en su navegador web.

6. Detenga el servidor Streamlit : para detener el servidor de transmisión, regrese al terminal o un símbolo del sistema donde se está ejecutando y presione Ctrl + C para terminar el servidor.

¡Hola, soy Adarsh!

? Campo de golf

Comentario

Si tiene algún comentario, comuníquese con nosotros a [email protected]