Geeta GPT

GEEGA GPT

GEEGA GPT adalah aplikasi AI canggih yang dibangun menggunakan Generasi Pengambilan-Pengambilan (RAG). Ini memanfaatkan kemampuan kuat dari model bahasa besar untuk memberikan tanggapan yang berwawasan luas dan akurat berdasarkan konten yang kaya dari Bhagavad Gita.

Model bahasa besar (LLM) seperti siswa yang unggul dalam meniru apa yang mereka ajarkan. Data pelatihan mereka adalah buku teks mereka, dan mereka menjadi sangat pandai mengikuti pola yang mereka lihat di sana. Namun, ini dapat membatasi pemahaman mereka. Mereka tidak dapat benar -benar beralasan atau menerapkan pengetahuan di luar apa yang telah mereka terpapar.

Itu sebabnya kami menggunakan teknik seperti Retrieval-Augmented Generation (RAG) untuk memperluas pengetahuan mereka. Ini seperti memberi mereka akses ke perpustakaan raksasa! RAG memungkinkan LLMS berkonsultasi dengan dokumen eksternal saat menanggapi, membantu mereka memberi jawaban mereka dalam informasi dunia nyata dan mengurangi fakta-fakta yang dibuat-buat.

Pipa

Demo

Memulai

1. Klon Repositori

 git clone https://github.com/rushidarge/Geeta-GPT.git
cd Geeta-GPT

2. Instal dependensi

 pip install -r requirements.txt

3. Tambahkan tombol API di file app.py di Anda memerlukan kunci API Gemini, yang tersedia secara bebas. Dapatkan milik Anda dengan mengklik di sini.

 os.environ["GOOGLE_API_KEY"] = "Your API key"

4. Jalankan aplikasi

 streamlit run app.py

Penggunaan

• Ajukan Pertanyaan: Ketik pertanyaan Anda tentang Bhagavad Gita dan terima tanggapan yang mendalam.
• Jelajahi Ajaran: Gelar lebih dalam tentang ajaran dan ayat -ayat khusus dari Gita.
• Bimbingan Pribadi: Gunakan aplikasi untuk refleksi dan panduan pribadi berdasarkan kebijaksanaan Gita.

Batasan

Aplikasi Generasi Pengambilan (RAG) Retrieval-Agusted, walaupun kuat, memiliki beberapa keterbatasan

• Penalaran Terbatas: Rag berjuang dengan penalaran berulang. Ini mengambil informasi berdasarkan kesamaan tetapi tidak dapat menilai apakah itu benar -benar relevan dengan tugas tersebut.
• Masalah skalabilitas: Dataset besar dapat membanjiri metode pengambilan RAG, terutama dengan teknik seperti tetangga K-Nearest (KNN).
• Ketergantungan Data: Kualitas informasi yang diambil secara langsung berdampak pada output RAG. Bias atau ketidakakuratan dalam data dapat menyebabkan respons yang tidak dapat diandalkan.
• Tantangan dengan kumpulan data yang besar: Menyimpan dan memproses kumpulan data besar -besaran bisa sulit bagi Rag, memengaruhi kecepatan dan akurasi pengambilan.

Ruang lingkup masa depan

Kemampuan GEEGA GPT tidak terbatas pada Bhagavad Gita . Arsitektur dapat diperluas untuk bekerja dengan dokumen atau PDF berbasis teks apa pun, membuka berbagai kemungkinan:

1. Perluas ke teks -teks agama lain: beradaptasi sistem untuk memberikan wawasan dari teks agama atau filosofis lainnya.
2. Makalah Akademik: Membantu dalam memahami dan meringkas makalah akademik atau dokumen penelitian.
3. Manual Teknis: Berikan dukungan untuk dokumentasi teknis dan manual, membuatnya lebih mudah untuk menemukan informasi spesifik.
4. Dokumen Hukum: Meningkatkan pemahaman dan aksesibilitas teks dan kontrak hukum.

Lisensi Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi untuk detailnya.

Bibliografi

• Model LLM: https://gemini.google.com/
• Tutorial: https://medium.com/