Custom Question Answering Chatbot using Langchain and Gemini AI

Question personnalisée répondant au chatbot utilisant Langchain et Gemini LLM

• Introduction
• Aperçu du projet
• Outils utilisés
• Commencer
• Capture d'écran
• Cas d'utilisation
• Améliorations futures
• Contributeurs
• Licence

Introduction

Ce projet met en œuvre une question personnalisée répondant au chatbot à l'aide de Langchain et Google Gemini Language Model (LLM). Le chatbot est formé sur les données industrielles d'une plate-forme d'apprentissage en ligne, composée de questions et de réponses correspondantes.

Aperçu du projet

Le flux de travail du projet implique les étapes suivantes:

1. Données ajustées : le Google Gemini LLM est affiné avec les données industrielles, garantissant que le modèle peut répondre avec précision aux questions en fonction du contexte fourni.

2. Base de données d'incorporation et vectorielle : L'intégration de la phrase en étreinte est utilisée pour convertir des questions et des réponses en vecteurs, qui sont stockés dans une base de données vectorielle.

3. Implémentation de retriever : un composant Retriever est développé pour récupérer des vecteurs similaires à partir de la base de données vectorielle en fonction de la requête de l'utilisateur.

4. Intégration avec la chaîne Langchain RetrvalQA : les composants sont intégrés dans une chaîne à l'aide de la chaîne Langchain RetrvalQA, qui traite les requêtes entrantes et récupère les réponses pertinentes.

5. Interface utilisateur : Streamlit est utilisé pour créer une interface utilisateur simple, permettant aux utilisateurs de saisir leurs questions et de recevoir des réponses du chatbot.

Outils utilisés

• Google Gemini LLM: modèle linguistique ajusté avec des données industrielles.
• HuggingFace: Bibliothèque utilisée pour l'intégration des phrases.
• Langchain: Framework for Building Conversation IA Systems.
• Streamlit: Bibliothèque pour la création d'interfaces utilisateur basées sur le Web.

Commencer

Pour exécuter le projet localement, suivez ces étapes:

1. Clone le référentiel de votre machine locale.
2. Installez les dépendances nécessaires répertoriées dans le fichier requirements.txt .
3. Exécutez l'application Streamlit en exécutant streamlit run app.py dans votre terminal.

Capture d'écran

Cas d'utilisation

La question personnalisée répondant au chatbot sert à diverses fins, notamment:

• Fournir des réponses rapides et précises aux requêtes utilisateur liées au sujet couvert par les données industrielles.
• Amélioration de l'expérience utilisateur sur les plateformes d'apprentissage en ligne en offrant une assistance immédiate.
• Rationaliser les processus de support client en automatisant les réponses aux questions fréquemment posées.

Améliorations futures

• Incorporez des techniques de prétraitement supplémentaires pour gérer une gamme plus large de requêtes utilisateur.
• Implémentez les modèles de langage avancé pour des réponses plus précises.
• Améliorez l'interface utilisateur avec des fonctionnalités supplémentaires pour une meilleure expérience utilisateur.

Contributeurs

• Abhijit Maharana

Licence

Ce projet est autorisé sous la licence du MIT.