RepoChat 200k

RECOCHAT DALAM 200K - TIDAK ADA RAG!

⚡Chat dengan repo github menggunakan jendela konteks 200k Claude, bukan rag! ⚡

Kenapa RECOCHAT - TIDAK ADA RAG?

Manfaatkan Claude 200k! Letakkan semua contoh dan kode ke konteks!

Kami terkadang membutuhkan kopilot daripada agen!

1. Bukan hanya mengobrol, tetapi tulis kode dengan dokumen terakhir

Apakah masalah menghafal semua API di llama-index atau langchain?

Jangan khawatir, cukup sertakan contoh komponen dan dokumen dari repo dan biarkan Claude Opus - model terkuat dan jendela konteks panjang 200k untuk menulis agen Anda untuk Anda!

2. Tidak ada copy pasta, cukup pilih

Unduh/Kloning repo Anda dari GitHub lalu cukup pilih file yang Anda sukai, saya membuat Anda dibangun untuk membangun prompt.

3. Tidak ada kain, Anda memutuskan

Saya telah melihat banyak obrolan dengan proyek repo, mereka semua memiliki titik -titik awal:

Which files do this query need?

Mereka menggunakan pencarian penyematan dalam database kode tetapi sebagian besar waktu saya sudah tahu dokumen apa yang saya rujuk ... jadi buatlah pilihan Anda sendiri setiap kali ketika Anda mengkode.

• Coding Frontend? Cukup pilih komponen dan contoh.

• Agen pengkodean? Cukup pilih Jupyter Notebook of Langgraph.

• Coding Rag? Cukup pilih Jupyter Notebook of Llamaindex.

4. Kasus Penggunaan Lebih Banyak!

Gunakan Doc Llamaindex

Pilih contoh llamaindex dari pipa untuk menulis grafik kain.

Gunakan doc shadcn untuk menulis frontend

Pilih Contoh dan Definisi Komponen.

Saran!

1. Anda dapat menggunakan haiku untuk sebagian besar kasus ini.
2. Ubah model berdasarkan tugas.
3. Ubah file berdasarkan tugas.
4. Klon Repo yang Anda sukai!
5. Biasanya saya akan menyertakan readme repo untuk membantu Claude lebih memahami
6. Gunakan COUNT TOKENS di bilah sisi untuk melihat berapa banyak token yang akan Anda kirim !!!

Fitur

1. Unduh Repositori : Pengguna dapat menyediakan URL repositori GitHub, dan aplikasi akan secara otomatis mengunduh dan menganalisis repositori.
2. Pilihan File dan Folder : Pengguna dapat memilih file atau folder tertentu dari repositori untuk disertakan dalam input LLM.
3. Penyaringan Bahasa : Pengguna dapat memfilter file dengan pemrograman bahasa untuk memfokuskan pemahaman LLM pada bagian spesifik basis kode.
4. Batas Token : Pengguna dapat menetapkan batas token untuk mengontrol jumlah informasi yang dikirim ke LLM, yang dapat berguna untuk pertimbangan kinerja atau biaya.
5. Antarmuka Obrolan : Pengguna dapat berinteraksi dengan LLM melalui antarmuka gaya obrolan, memungkinkan mereka untuk mengajukan pertanyaan atau meminta pembuatan kode berdasarkan konten repositori.
6. Output streaming : Respons LLM ditampilkan dengan cara streaming, memberikan pengalaman pengguna yang lebih menarik dan real-time.

Saat ini saya hanya mendukung OpenRouter. Merencanakan untuk menambah lebih banyak dan refactor suatu hari nanti.

Mulai

1. Pengaturan Lingkungan : Jalankan pip install -r requirements.txt untuk Mengatur Lingkungan.

2. Buat file .env : Buat file .env di direktori root proyek dan tambahkan tombol API OpenRouter Anda (disarankan):

OPENROUTER_API_KEY=your_openrouter_api_key_here

Saya merekomendasikan OpenRouter karena memiliki semua model!

Jika Anda ingin menggunakan model OpenAI GPT, tambahkan openai api key Anda juga.

OPENAI_API_KEY=your_openai_api_key_here

3. Jalankan aplikasi : Jalankan skrip app.py menggunakan streamlit:

streamlit run app.py

4. Gunakan aplikasi : Ikuti instruksi dalam aplikasi untuk mengunduh repositori github, pilih file dan folder, dan mengobrol dengan LLM.

Jika Anda menghadapi beberapa masalah dengan repo, Anda selalu dapat menghapus dir repo di ./repos dir dan mengunduhnya lagi.

Konfigurasi

Perilaku aplikasi dapat disesuaikan melalui opsi konfigurasi berikut:

• Model : Model LLM spesifik untuk digunakan (misalnya, "Antropik/Claude-3-Haiku", "Anthropic/Claude-3-Opus").
• Suhu : Parameter suhu yang mengontrol "kreativitas" dari respons LLM.
• Prompt Sistem : Prompt awal yang diberikan kepada LLM untuk mengatur perilaku yang diinginkan.

Pengaturan ini dapat disesuaikan di bilah samping aplikasi streamlit.

Berkontribusi

Jika Anda ingin berkontribusi pada proyek RECOCHAT-200K, jangan ragu untuk mengirimkan masalah atau menarik permintaan pada repositori GitHub.

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT.