ContextDB

IA: Crear una base de datos de contexto para sus indicaciones

Le mostraré cómo desarrollar un sistema para optimizar el uso de indicaciones en aplicaciones de inteligencia artificial utilizando una base de datos de contexto. Este proyecto utiliza tecnologías como Python , DuckDB, Langchain, entre otros. Se destaca para el uso de DuckDB como una base de datos vectorial, lo que ayuda a administrar grandes volúmenes de datos de manera eficiente, mientras que la biblioteca Langchain está integrada para explorar las capacidades del modelo CHATGPT-3.5 o de lenguaje superior.

A través de esta integración, el proyecto incorpora técnicas avanzadas, como incrustaciones y la generación de retimas de retrato (RAG) , lo que demuestra una aplicación práctica y sofisticada de los conceptos teóricos cubiertos. Esta combinación de herramientas y técnicas no solo plantea la precisión y eficiencia de las aplicaciones de IA , sino que también ejemplifica la práctica de pocos indicadores , en el que se presenta un aviso con algunos ejemplos que contribuyen a una mejor comprensión de lo que se solicita.

Presentación de video

Requisitos

Implementar la aplicación

Clonación del repositorio:

git clone https://github.com/Renatoelho/ContextDB.git contextDB

Preparación del medio ambiente:

• Acceder al directorio clonado

 cd contextDB/app/

• Creando el entorno virtual

python3 -m venv .venv

• Activar el entorno virtual

 source .venv/bin/activate

• Instalación de las dependencias

pip install pip setuptools wheel && pip install -r requirements.txt

IMPORTANTE: Actualice el archivo .env con el token de acceso de Operai, además de tener créditos en su plataforma de desarrollador de OpenAI https://platform.openai.com/.

• Prueba de la aplicación

python3 ./app.py

Nota : Para probar la aplicación con otros mensajes, simplemente cambie el texto del atendimento de cupones en el archivo app.py

Referencias

Carraro, Fabricio. Inteligencia artificial y chatgpt: desde la revolución de los modelos de IA generativos hasta la ingeniería rápida. 1. Ed. Sao Paulo: Casa do Code Publisher, 2023.

Python DB API, Duckdb. Disponible en: https://duckdb.org/docs/api/python/dbapi. Consultado el: 22 de abril de 2024.

¿Qué es Rag?, Aws. Disponible en: https://aws.amazon.com/en/what-i/retieval-ugmented-generation/. Consultado el: 22 de abril de 2024.

Incrustación de palabras: hacer que la computadora comprenda el significado de las palabras: una introducción a conceptos de PNL muy importantes: incrustaciones y word2vec, medio. Disponible en: https://medium.com/turing-talks/word-emppedding-fing-fo-computer-nefing-da-da-das-lavras-92f2745057. Consultado el: 22 de abril de 2024.

langchain_community.vectors.duckdb.duckdb, API Python Langchain. Disponible en: https://api.python.langchain.com/en/latest/vectors/langchain_community.vectors.duckdb.html. Consultado el: 22 de abril de 2024.

langchain_community.embeddings.openai.openaieembeddings, OpenieEmbeddings. Disponible en: https://api.python.langchain.com/en/latest/embeddings/langchain_community.embeddings.openai.openaieembedings.html#langchain-community-openai-oppedings. Consultado el: 22 de abril de 2024.