sales bot with couchbase vector database

Aperçu

Dans cet ordinateur portable, vous prendrez un ensemble de données sur les avis sur les produits Amazon à partir de Kaggle et utilisez Openai GPT-4O pour obtenir des résumés de révision des produits, augmentez ces résumés dans une base de données vectorielle, puis utilisez la génération augmentée de récupération (RAG) pour alimenter un chatbot de vente qui peut faire des recommandations de produits ciblées.

Jetons un coup d'œil au flux de travail global:

1. Nous commençons par un ensemble de données qui contient plus de 10 000 avis sur 900 instruments de musique et accessoires Amazon.
2. En utilisant le chat GPT-4O, nous générons des résumés des avis de produits pour chaque produit des 20 revues les plus récentes. Nous formons les résumés au format JSON.
3. Nous prenons ensuite les résumés et les portons dans une base de données vectorielle (Couchbase dans ce cas)
4. Nous utilisons ensuite les indices de vecteur Couchbase et GPT-4O pour créer un chatbot de vente basé sur des chiffons qui fournit des recommandations ciblées à l'utilisateur en fonction des produits présents dans l'inventaire.

Openai

Nous utiliserons Openai pour alimenter tous les besoins du modèle Genai de ce cahier: LLMS, Gen d'image, animation d'image.

• Pour utiliser le modèle OpenAI, vous devrez vous rendre sur https://platform.openai.com/ et vous connecter.
• Ensuite, vous devrez générer un jeton API en suivant ces instructions. Gardez le jeton API en main, nous en aurons besoin plus bas dans ce cahier.

Dans cet exemple, nous utiliserons le modèle GPT-4O Instruct.

Canapé

Nous utiliserons Couchbase Capella pour notre base de données vectorielle. Vous pouvez créer votre compte gratuit ici avec votre compte GitHub ou votre e-mail.

Cahier Python local

Ouvrez votre terminal ou votre invite de commande et utilisez la commande cd pour accéder au répertoire où se trouve votre cahier Jupyter. Par exemple:

 cd /path/to/your/sales-bot-with-couchbase-vector-database

Utilisez le module venv (ou virtualenv si vous préférez) pour créer un nouvel environnement virtuel dans ce répertoire:

python -m venv .venv  # Creates a virtual environment named '.venv'

Activez l'environnement pour commencer à l'utiliser:

 source .venv/bin/activate  # On Linux/macOS
.venv S cripts a ctivate  # On Windows

Cela permet à Jupyter de reconnaître votre environnement virtuel:

pip install ipykernel

Cela rend votre environnement virtuel sélectionnable dans Jupyter:

python -m ipykernel install --user --name=.venv --display-name= " My Notebook Env "

(Remplacez "My Notebook Env" par un nom descriptif pour votre noyau.)

• Démarrer le cahier Jupyter: jupyter notebook
• Ouvrez Salesbot_Couchbase.Ipynb
• Sélectionnez le noyau: accédez à "Kernel" -> "Modifier le noyau" et choisissez le noyau que vous venez de créer ("My Notebook Env").

Vous n'avez pas besoin d'installer des packages PIP supplémentaires avant l'exécution du cahier, car ceux-ci seront installés dès le début. Vous devrez vous assurer que votre système a installé imagemagick en suivant les instructions.

N'oubliez pas que si vous avez déjà votre environnement Virtul, n'oubliez pas de le proposer à nouveau:

 source .venv/bin/activate