RAG Powered GPT 4 Chatbot

Chatbot GPT-4 con trapo: recuperación de conocimiento basada en AI

Revolucione la interacción de datos con un chatbot construido utilizando la generación de recuperación de la recuperación (RAG) y el GPT-4 de OpenAI . Cargue documentos, cree bases de conocimiento personalizadas y obtenga respuestas precisas y contextuales para investigación, operaciones comerciales y atención al cliente.

Tabla de contenido

1. Introducción
2. Características clave
3. Casos de uso
4. Cómo funciona
5. Empezando
6. Estructura de archivo
7. Que contribuye
8. Licencia

Introducción

El chatbot a prueba de trapo combina recuperación y IA generativa para ayudar a los usuarios a acceder a la información específica de fuentes de datos personalizadas. Al cargar sus documentos, el chatbot puede extraer los datos más relevantes de sus archivos, asegurando una alta precisión y respuestas actualizadas.

Características clave

• Documentos de carga : agregue PDF u otros documentos que se fragen en piezas manejables y se almacenen como vectores en una base de datos.
• Base de conocimiento personalizado : cree una base de conocimiento de búsqueda a partir de sus archivos cargados.
• Base de datos persistente : guarde, recupere y reutilice su base de conocimiento en cualquier momento.
• Respuestas precisas : Obtenga respuestas conscientes de contexto basadas en los datos en su base de conocimiento personalizado.

Casos de uso

• Investigación : Analice grandes conjuntos de datos, estudios y trabajos de investigación mediante la consulta de información relevante.
• Operaciones comerciales : acceda a documentos y políticas internas rápidamente para una mejor toma de decisiones.
• Atención al cliente : cree un chatbot que extraiga instantáneamente los datos de las preguntas frecuentes o los manuales de productos.
• Capacitación e incorporación : proporcione nuevas contrataciones con acceso instantáneo a documentos internos clave y materiales de capacitación.

Cómo funciona

1. Subir documentos :

   • Cargar PDF o archivos de texto al sistema.
   • Los archivos se dividen automáticamente en secciones más pequeñas y se convierten en vectores para una búsqueda eficiente.

2. Crear base de conocimiento :

   • El sistema construye una base de conocimiento personalizada a partir de los documentos cargados.
   • Esta base de conocimiento se puede buscar utilizando consultas de lenguaje natural.

3. Base de conocimiento de consultas :

   • Use la interfaz de chatbot para hacer preguntas.
   • El sistema recupera la información más relevante de la base de conocimiento utilizando la búsqueda semántica.

4. Base de datos persistente :

   • Guarde sus archivos cargados y bases de datos para el acceso futuro.
   • Reutilice o modifique la base de conocimiento sin la necesidad de volver a cargar archivos.

Empezando

Requisitos previos

• Python 3.x
• Clave de API de Azure OpenAI para la integración GPT-4

Instalación

1. Clon el repositorio :

   git clone https://github.com/your-username/rag-powered-gpt4-chatbot.git
   cd rag-powered-gpt4-chatbot

2. Configurar un entorno virtual :

   python -m venv ragvenv
   source ragvenv/bin/activate

3. Instalar dependencias :

   pip install -r requirements.txt

4. Configurar las credenciales de Azure OpenAI :

   • Abra el archivo config.env y agregue las siguientes credenciales de Azure OpenAI:

     AZURE_OPENAI_ENDPOINT= " your-azure-openai-endpoint "
     AZURE_OPENAI_API_KEY= " your-azure-openai-api-key "
     API_VERSION= " 2024-02-15-preview "

5. Ejecute la aplicación :

   python app.py

6. Acceda a la aplicación :

   • Abra su navegador y vaya a http://localhost:8000 .

Usando la aplicación

1. Subir un archivo :

   • Navegue a la sección "Cargar archivo" de la aplicación.
   • Seleccione un PDF u otro documento para cargar.

2. Crear una base de conocimiento :

   • El documento cargado se procesará y se dividirá en trozos.
   • Se crea una base de conocimiento personalizada a partir de estos trozos y se almacena para futuras consultas.

3. Consulta el chatbot :

   • Escriba sus preguntas en el campo de entrada de chatbot.
   • El chatbot recuperará la información relevante de la base de conocimiento personalizado basada en su consulta.

4. Acceder a bases de datos anteriores :

   • Use el menú desplegable para acceder y consultar bases de datos creadas previamente.

Estructura de archivo

 rag-powered-gpt4-chatbot/
├── app.py               # Main application script
├── config.env           # Configuration file for API keys
├── database/            # Folder for storing database files
├── rag_app.log          # Log file for tracking application events
├── requirements.txt     # Python dependencies
├── static/              # Static files like CSS
│   └── styles.css       # CSS file for basic styling
├── templates/           # HTML templates for the app interface
│   └── index.html       # Main page of the app
├── upload_file/         # Directory for storing uploaded files
├── utils.py             # Utility functions

Que contribuye

¡Las contribuciones son bienvenidas! Abra un problema o envíe una solicitud de extracción si desea agregar nuevas funciones o arreglar errores.

Licencia

Este proyecto tiene licencia bajo la licencia MIT; consulte el archivo de licencia para obtener más detalles.

---