lauzcom assistant

lauzcom assistant

lauzcom assistant adalah solusi interaktif dan ramah pengguna yang dirancang untuk memberikan akses tanpa batas ke data penting Swisscom. Dengan mengintegrasikan model GPT yang canggih, pelanggan dapat dengan mudah mengajukan pertanyaan tentang data publik Swisscom dan menerima jawaban akurat dengan cepat.

Ucapkan selamat tinggal pada pencarian manual yang memakan waktu, dan biarkan lauzcom assistant merevolusi interaksi pelanggan Anda.

Penulis

Proyek lauzcom assistant dibuat oleh:

• Carmen Marcos
• Daan Rosendal

Daftar isi

• Demo
• Arsitektur
• Mulai cepat
• Lingkungan pengembangan
  • Jalankan Mongo dan Redis
  • Jalankan bagian belakang
  • Jalankan bagian depan
• Lisensi

Demo

Video demo

Arsitektur

Mulai cepat

Catatan

Pastikan Anda telah menginstal Docker

Di macOS atau Linux, jalankan:

./setup.sh

Ini menginstal semua dependensi dan memungkinkan Anda mengunduh model secara lokal atau menggunakan OpenAI. LauzHack Assistant sekarang berjalan di http://localhost:5173.

Jika tidak, ikuti langkah-langkah berikut:

1. Unduh dan buka repositori ini dengan git clone [email protected]:cern-lauzhack-2023/Lauzcom-Assistant.git .

2. Buat file .env di direktori root Anda dan atur variabel env API_KEY dengan kunci API OpenAI Anda dan VITE_API_STREAMING ke benar atau salah, bergantung pada apakah Anda ingin streaming jawaban atau tidak.

   API_KEY= < YourOpenAIKey >
   VITE_API_STREAMING=true

   Lihat variabel lingkungan opsional di file /.env-template dan /application/.env_sample.

3. Jalankan ./run-with-docker-compose.sh.

4. LauzHack Assistant sekarang berjalan di http://localhost:5173.

Untuk berhenti, tekan Ctrl + C .

Lingkungan pengembangan

Jalankan Mongo dan Redis

Untuk pengembangan, hanya dua container yang digunakan dari docker-compose.yaml (dengan menghapus semua layanan kecuali Redis dan Mongo). Lihat file docker-compose-dev.yaml.

Berlari:

docker compose -f docker-compose-dev.yaml build
docker compose -f docker-compose-dev.yaml up -d

Jalankan bagian belakang

Catatan

Pastikan Anda telah menginstal Python 3.10 atau 3.11.

1. Ekspor variabel lingkungan yang diperlukan atau siapkan file .env di folder /application .
   • Salin .env_sample dan buat .env dengan token OpenAI API Anda untuk bidang API_KEY dan EMBEDDINGS_KEY .

(lihat application/core/settings.py jika Anda ingin melihat opsi konfigurasi lainnya.)

2. (opsional) Membuat lingkungan virtual Python: Ikuti dokumentasi resmi Python untuk lingkungan virtual.

   a) Di Linux dan macOS:

   python -m venv venv
   . venv/bin/activate

   b) Di Windows:

   python -m venv venv
   venv/Scripts/activate

3. Instal dependensi untuk backend:

pip install -r application/requirements.txt

4. Jalankan aplikasi menggunakan:

flask --app application/app.py run --host=0.0.0.0 --port=7091

API backend sekarang berjalan di http://localhost:7091.

5. Mulai pekerja dengan:

celery -A application.app.celery worker -l INFO

Jalankan bagian depan

Catatan

Pastikan Anda memiliki Node versi 16 atau lebih tinggi.

1. Arahkan ke folder /frontend.
2. Instal paket yang diperlukan husky dan vite (abaikan jika sudah diinstal).

npm install husky -g
npm install vite -g

3. Instal dependensi dengan menjalankan:

npm install --include=dev

4. Jalankan aplikasi menggunakan:

npm run dev

Frontend sekarang berjalan di http://localhost:5173.

Lisensi

Lisensi kode sumbernya adalah MIT, seperti yang dijelaskan dalam file LISENSI.

Dibangun dengan? ? LangChain