Téléchargement de ALP - Téléchargement du code source ALP

ALP

Autre code source

1.0.0

Télécharger

Alp

Aperçu

L'ALP est un système d'IA conversationnel open source et basé sur les connaissances, fabriqué pour produire des réponses qui sont enracinées dans les informations pertinentes provenant de sources externes. ?

ALP vous permet de construire une grande base de connaissances qui peut être interrogée lors de l'interaction avec un chatbot. Les constructions de contexte basées sur la similitude permettent une meilleure pertinence des matériaux extraits de la base de données. Le chatbot a une mémoire conversationnelle illimitée et la possibilité d'exporter la conversation et la source d'intégration au format JSON.

ALP maintient l'historique de conversation et les intégres dans une base de données SQLite locale? ️. En conséquence, les processus de téléchargement et d'intégration de documents ne sont requis qu'une seule fois, permettant aux utilisateurs de reprendre les conversations de manière transparente.

ALP est destiné à être exécuté via LocalHost. Tout ce dont vous avez besoin est Python et quelques commandes pour configurer l'environnement. N'hésitez pas à fourrer, à explorer le code et à s'adapter à vos besoins ?.

Table des matières

Alp
- Table des matières
- Changelog
- Introduction
- Caractéristiques
- Installation
- Configuration
- Usage
- Démo
- Faire

Changelog

20240815 - Liste des modèles mis à jour vers: gpt-4o' , gpt-4o-mini
20231226 - gpt-4-1106-preview ajouté comme modèle génératif par défaut. L'utilisateur peut le changer dans ./lib/params.py dans prod_model . Création de pages de création de collection Correction de bugs.
20230911 - Définissez le comportement des agents personnalisés dans ./Static/data/simulacra.json et choisissez-les dans Session Manager dans un menu déroulant.
20230406 - Fix de bug qui a empêché le programme d'initialiser la base de données sous / statique / data / dbs /; exigences.txt correctif
20230705 - Nouveau modèle de données, intégres basés sur SBERT
20230411 - mise à niveau de l'interface, améliorations UX, bugfixes
20230405 - HISTOIRE DE CONVERASTION DES MAGASINS DE PROGRAMME

Introduction

L'ALP améliore la précision des réponses des modèles basés sur GPT par rapport aux documents PDF donnés en utilisant une méthode d'augmentation de récupération. Cette approche garantit que le contexte le plus pertinent est toujours transmis au modèle. L'intention derrière l'ALP est d'aider l'exploration de l'écrasante base de connaissances des articles de recherche, des livres et des notes, ce qui facilite l'accès et le contenu de digestion.

ALP utilise actuellement les modèles suivants:

Texte d'intégration: multi-qa-MiniLM-L6-cos-v1
Génération: gpt-4o' , gpt-4o-mini

Caractéristiques

Assistant de recherche conversationnel : interagir avec et obtenir des informations à partir de collections de fichiers PDF.
Mémoire de conversation illimitée : conserver les informations des conversations précédentes pour les réponses contextuelles.
Revenez aux conversations passées : prenez votre conversation là où vous êtes parti.
Modèle de données flexible : permet une conversation avec plus d'un document en une seule session.
Utilise des modèles open source : les transformateurs de phrases permettent une intégration de texte coûteuse et rapide.
Prise en charge des documents longs : Téléchargez des livres et autres longs PDF.
Augmentation de récupération : utilisez des techniques d'augmentation de récupération pour une meilleure précision. Lisez la suite ici.
Définissez votre propre comportement d'agent : Définissez le message système définissant vos agents dans ./Static/data/simulacra.json. Vous pouvez ensuite ajuster facilement le formulaire HTML pour choisir les noms dans un menu déroulant.
Déploiement local : Tournez ALP localement sur votre machine.
Exportation JSON : Exporter la conversation en tant que fichier JSON.
Open source : The code is yours to read, test and break and build upon.

Installation

Pour configurer ALP sur votre machine locale, suivez ces étapes:

Installez Python:

Assurez-vous que Python soit installé sur votre machine. Je recommande Anaconda pour une configuration facile.

IMPORTANT: ALP fonctionne sur Python 3.10

Fourche et cloner le référentiel:

Après avoir fourni le repo le clonage dans une ligne de commande:

git clone https://github.com/yourusername/alp.git 
cd ALP

Créez un environnement virtuel et activez-le:

De l'intérieur de l'ALP / répertoire local Invoquez les commandes suivantes

Pour les utilisateurs de Linux en bash:

python3 -m venv venv
source venv/bin/activate

Pour les utilisateurs de Windows dans CMD:

 python -m venv venv
venvScriptsactivate.bat

Cela devrait créer ALP / VENV / Directory et activer l'environnement virtuel. Naturellement, vous pouvez utiliser d'autres programmes pour gérer VirtualEnvs.

Installez les dépendances requises dans un environnement virtuel:

pip install -r requirements.txt

Configuration

Par défaut, ALP s'exécute dans localhost . Il nécessite une touche API pour se connecter avec le modèle GPT via API Open AI. Dans l'ALP / Directory, créez une API_KEY.txt et collez votre clé API là-bas. Assurez-vous que API_KEY.TXT est ajouté à votre fichier .gitignore afin qu'il ne fuit pas à GitHub. Vous pouvez obtenir votre clé API AI ouverte ici https://platform.openai.com

Usage

Exécutez l'application ALP:

python alp.py

Accéder à l'application:

L'application doit s'ouvrir dans votre navigateur Web par défaut. Si ce n'est pas le cas, accédez à http: // localhost: 5000. La première utilisation implique la création du fichier app.db sous ALP / statique / data / dbs /. Il s'agit de votre fichier de base de données SQLite qui conservera l'historique de la conversation et les intégres. En outre, le script téléchargera «Multi-QA-Minilm-L6-Cos-V1» (80 Mo) à votre PC dans des référentiels de visage étreintes. Cela se produira automatiquement lors d'un premier lancement.

Commencez à utiliser ALP:

L'interface de l'application ALP se compose de deux sections:

Hub vous permet de créer une nouvelle collection sous les «collections» ou de créer / continuer la session de conversation sous «sessions».
Collections Manager: Créez une nouvelle collection en spécifiant son nom et en téléchargeant un fichier PDF.
Gestionnaire de session:
- Continuez la session existante en le sélectionnant à partir de la liste déroulante et en appuyant sur «Démarrage».
- Créez également une nouvelle session en définissant son nom et en sélectionnant des collections liées à la session.
- Sélectionnez le rôle d'agent prédéfini pour la conversation. Fonctionne également pour les chats historiques.
Fenêtre de session: parlez au modèle GPT sur les collections liées à la session. Chaque fois qu'un score de similitude est calculé entre les requêtes de l'utilisateur et les intégres de collections, une liste des plus chères similaires est imprimée dans la console du programme. Ces sources seront passées comme contexte avec la question de l'utilisateur au modèle GPT.