ContextDB

IA: Membuat basis data konteks untuk petunjuk Anda

Saya akan menunjukkan kepada Anda cara mengembangkan sistem untuk mengoptimalkan penggunaan petunjuk dalam aplikasi kecerdasan buatan menggunakan basis data konteks. Proyek ini menggunakan teknologi seperti Python , DuckDB, Langchain antara lain. Ini menonjol untuk penggunaan DuckDB sebagai database vektor, yang membantu mengelola volume data besar secara efisien, sedangkan pustaka Langchain diintegrasikan untuk mengeksplorasi kemampuan model chatgpt-3.5 atau lebih tinggi.

Melalui integrasi ini, proyek ini menggabungkan teknik-teknik canggih seperti embeddings dan Reteval-Augmeld Generation (RAG) , yang menunjukkan aplikasi praktis dan canggih dari konsep teoritis yang dibahas. Kombinasi alat dan teknik ini tidak hanya meningkatkan keakuratan dan efisiensi aplikasi AI , tetapi juga mencontohkan praktik prompt beberapa shot , di mana prompt disajikan dengan beberapa contoh yang berkontribusi pada pemahaman yang lebih baik tentang apa yang diminta.

Presentasi Video

Persyaratan

Aplikasi Deploy

Mengkloning repositori:

git clone https://github.com/Renatoelho/ContextDB.git contextDB

Mempersiapkan Lingkungan:

• Mengakses Direktori Kloning

 cd contextDB/app/

• Menciptakan lingkungan virtual

python3 -m venv .venv

• Mengaktifkan lingkungan virtual

 source .venv/bin/activate

• Menginstal dependensi

pip install pip setuptools wheel && pip install -r requirements.txt

Penting: Perbarui file .env dengan token akses OpenAI, serta memiliki kredit pada platform pengembang OpenAI Anda https://platform.openai.com/.

• Menguji aplikasi

python3 ./app.py

Catatan : Untuk menguji aplikasi dengan pesan lain, ubah teks atendimento voucher di file app.py

Referensi

Carraro, Fabricio. Kecerdasan buatan dan chatgpt: Dari revolusi model AI generatif hingga rekayasa yang mendorong. 1. Ed. Sao Paulo: Casa Do Code Publisher, 2023.

Python DB API, Duckdb. Tersedia di: https://duckdb.org/docs/api/python/dbapi. Diakses pada: 22 April 2024.

Apa itu Rag?, AWS. Tersedia di: https://aws.amazon.com/en/what-i/retieval-ugmented-generation/. Diakses pada: 22 April 2024.

Word Embedding: Membuat komputer memahami makna kata -kata - Pengantar konsep NLP yang sangat penting: Embeddings dan Word2vec, medium. Tersedia di: https://medium.com/turing-talks/word-pedding-2-fo-computer-nefing-a-das-lavras-92f2745057. Diakses pada: 22 April 2024.

langchain_community.vectors.duckdb.duckdb, API Python Langchain. Tersedia di: https://api.python.langchain.com/en/latest/vectors/langchain_community.vectors.duckdb.html. Diakses pada: 22 April 2024.

langchain_community.embeddings.openai.openaieembeddings, OpenieEembeddings. Tersedia di: https://api.python.langchain.com/en/latest/embeddings/langchain_community.embeddings.openai.openaeembedings.html#langchain-community-openai-oppedings. Diakses pada: 22 April 2024.