refind

refind

Refindは、私の個人文書をWeaviate Vectorデータベースに保存し、OpenAI Vectorizerモジュールと生成検索を使用するプロジェクトです。

以下は、次のような入力質問を含む異なる答えを示すアスシネマを含むシェル記録です。

1. 現在のChatGPTバージョン（SGPTCLIを使用）
2. EntepriseロードマップからSREブックへのサンプルドキュメントを含むWeaviateを使用した生成検索

はじめる

Openai APIキーを作成して提供します：

 export OPENAI_APIKEY= " ... "

4097トークン未満のフルテキストドキュメントを入れます。プロンプトが4000トークンの場合、完了はせいぜい97トークンになります。

それを使ってみましょう：

 # start the weaviate database
docker-compose up -d

# verify it is up and running
curl http://localhost:8080/v1/meta | jq .
docker-compose logs

# import data, DO IT ONCE
go run main.go import

# query data related to software
go run main.go query | jq .

# when done, gracefully shutdown
docker-compose down

この例では、Weaviateはソフトウェア関連のエントリを返しています。

操作を織ります：

 # get the schema
curl -s http://localhost:8080/v1/schema | jq .

# get objects
curl -s http://localhost:8080/v1/objects | jq .

# get one class from the schema
curl -s http://localhost:8080/v1/schema/Chatbot | jq .

# delete a class
curl -s -XDELETE http://localhost:8080/v1/schema/Chatbot | jq . 

ゴール

ChatGPT検索プラグイン。

トト

1. ドキュメントを摂取するときに、織られたメタデータを自動的に追加します
2. オープントークンの制限よりも大きいドキュメントを自動的に分割します
3. queryコマンドを実行するときにフラグとしてクエリ文字列を追加する
4. 単体テスト、副操縦士にそれらを書かせてください o/

ラングチェーンを試してみてください

readme.md