RepoChat 200k

200kのレポカット - ぼろきれはありません！

ragの代わりに200kのコンテキストウィンドウを使用したGithubリポジトリを使用してgithubリポジトリ

なぜリポカット - ぼろはありませんか？

Claude 200kを利用してください！すべての例とコードをコンテキストに入れてください！

時々エージェントではなく副操縦士が必要です！

1.チャットするだけでなく、最新のドキュメントでコードを書く

Llama-IndexまたはLangchainのすべてのAPIを暗記するトラブルがありますか？

心配はありません。コンポーネントの例とリポジトリからのドキュメントを含めて、クロード・オプスを入れてください。

2.コピーペーストなし、選択してください

githubからリポジトリをダウンロード/クローンしてから、必要なファイルを選択してください。プロンプトの構築についてカバーされました。

3.ぼろきれはありません、あなたは決めます

私はリポジトリプロジェクトと多くのチャットを見てきましたが、それらはすべて問題を抱えています。

Which files do this query need?

彼らはコードデータベースに埋め込まれた検索を使用していますが、ほとんどの場合、私が参照しているドキュメントをすでに知っていました...あなたがコーディングするたびにあなた自身の選択をしてください。

• フロントエンドのコーディング？コンポーネントと例を選択するだけです。

• コーディングエージェント？ LanggraphのJupyterノートブックを選択してください。

• ラグをコーディングしますか？ LlamaindexのJupyterノートブックを選択してください。

4.その他のユースケース！

llamaindex docを使用します

ラググラフを作成するには、パイプラインのLlamaindexの例を選択します。

ShadCNドキュメントを使用して、FrontEndを書き込みます

例とコンポーネントの定義を選択します。

提案！

1. ほとんどの場合、俳句を使用できます。
2. タスクに基づいてモデルを変更します。
3. タスクに基づいてファイルを変更します。
4. あなたが好きなリポジトリのクローン！
5. 通常、私はクロードがよりよく理解するのを助けるためにレポのreadmeを含めます
6. サイドバーのCOUNT TOKENSを使用して、送信するトークンの数を確認してください!!!

特徴

1. リポジトリのダウンロード：ユーザーはGitHubリポジトリURLを提供でき、アプリケーションはリポジトリを自動的にダウンロードして分析します。
2. ファイルとフォルダーの選択：ユーザーは、リポジトリから特定のファイルまたはフォルダーを選択して、LLMの入力に含めることができます。
3. 言語フィルタリング：ユーザーは、言語をプログラミングすることでファイルをフィルタリングして、LLMの理解をコードベースの特定の部分に集中できます。
4. トークン制限：ユーザーはトークン制限を設定してLLMに送信される情報の量を制御できます。これは、パフォーマンスやコストの考慮事項に役立ちます。
5. チャットインターフェイス：ユーザーはチャットスタイルのインターフェイスを介してLLMと対話し、リポジトリのコンテンツに基づいて質問をしたり、コード生成を要求したりできます。
6. ストリーミング出力：LLMの応答はストリーミング方法で表示され、より魅力的でリアルタイムのユーザーエクスペリエンスを提供します。

現在、私はOpenRouterのみをサポートしています。いつか追加してリファクタリングすることを計画しています。

始めましょう

1. 環境設定： pip install -r requirements.txtを実行して、環境をセットアップします。

2. .ENVファイルを作成します：プロジェクトのルートディレクトリに.envファイルを作成し、OpenRouter APIキー（推奨）を追加します。

OPENROUTER_API_KEY=your_openrouter_api_key_here

すべてのモデルがあるので、OpenRouterをお勧めします！

OpenAI GPTモデルを使用する場合は、 openai api keyも追加してください。

OPENAI_API_KEY=your_openai_api_key_here

3. アプリケーションを実行します：retrylitを使用してapp.pyスクリプトを実行します：

streamlit run app.py

4. アプリケーションを使用します。アプリケーションの指示に従って、GitHubリポジトリをダウンロードし、ファイルとフォルダーを選択し、LLMとチャットします。

リポジトリでいくつかの問題が発生した場合は、いつでもリポジトリDIRを./Repos Dirで削除して、もう一度ダウンロードできます。

構成

アプリケーションの動作は、次の構成オプションを使用してカスタマイズできます。

• モデル：使用する特定のLLMモデル（例：「人類/claude-3-haiku」、「人類/claude-3-opus」）。
• 温度：LLMの応答の「創造性」を制御する温度パラメーター。
• システムプロンプト：LLMに指定された最初のプロンプトは、目的の動作を設定します。

これらの設定は、retrylidアプリケーションのサイドバーで調整できます。

貢献

Repochat-200Kプロジェクトに貢献したい場合は、GitHubリポジトリで問題を提出したり、リクエストをプルしたりしてください。

ライセンス

このプロジェクトは、MITライセンスの下でライセンスされています。