RAG Powered GPT 4 Chatbot

RAG駆動のGPT-4チャットボット：AIベースの知識検索

検索されたジェネレーション（RAG）およびOpenaiのGPT-4を使用して構築されたチャットボットとのデータ相互作用を革新します。ドキュメントをアップロードし、カスタムナレッジベースを作成し、研究、事業運営、顧客サポートのための正確なコンテキストの回答を取得します。

目次

1. 導入
2. 重要な機能
3. ユースケース
4. それがどのように機能するか
5. はじめる
6. ファイル構造
7. 貢献
8. ライセンス

導入

ぼろきれのチャットボットは、検索と生成AIを組み合わせて、ユーザーがカスタムデータソースから特定の情報にアクセスできるようにします。ドキュメントをアップロードすることにより、チャットボットはファイルから最も関連性の高いデータを引き出し、高い精度と最新の回答を確保できます。

重要な機能

• ドキュメントのアップロード：管理可能な部品に充電され、データベースにベクトルとして保存されるPDFまたはその他のドキュメントを追加します。
• カスタムナレッジベース：アップロードされたファイルから検索可能なナレッジベースを作成します。
• 永続的なデータベース：いつでも知識ベースを保存、取得、再利用します。
• 正確な回答：カスタムナレッジベースのデータに基づいて、コンテキストを意識した回答を取得します。

ユースケース

• 調査：関連情報を照会して、大規模なデータセット、研究、および研究論文を分析します。
• 事業運営：より良い意思決定のために、内部文書とポリシーに迅速にアクセスします。
• カスタマーサポート：FAQまたは製品マニュアルからデータを即座に取得するチャットボットを作成します。
• トレーニングとオンボーディング：主要な内部文書とトレーニング資料に即座にアクセスできる新規採用者を提供します。

それがどのように機能するか

1. ドキュメントのアップロード：

   • PDFまたはテキストファイルをシステムにアップロードします。
   • ファイルは自動的に小さなセクションに分割され、効率的な検索のためにベクトルに変換されます。

2. 知識ベースを作成する：

   • システムは、アップロードされたドキュメントからカスタムナレッジベースを構築します。
   • この知識ベースは、自然言語クエリを使用して検索できます。

3. クエリナレッジベース：

   • チャットボットインターフェイスを使用して質問します。
   • システムは、セマンティック検索を使用して、知識ベースから最も関連性の高い情報を取得します。

4. 永続的なデータベース：

   • 将来のアクセスのために、アップロードされたファイルとデータベースを保存します。
   • ファイルを再アップロードする必要なく、知識ベースを再利用または変更します。

はじめる

前提条件

• Python 3.x
• GPT-4統合のAzure Openai APIキー

インストール

1. リポジトリをクローンします：

   git clone https://github.com/your-username/rag-powered-gpt4-chatbot.git
   cd rag-powered-gpt4-chatbot

2. 仮想環境を設定します：

   python -m venv ragvenv
   source ragvenv/bin/activate

3. 依存関係をインストールします：

   pip install -r requirements.txt

4. Azure Openai資格情報を構成します：

   • config.envファイルを開き、次のAzure Openai資格情報を追加します。

     AZURE_OPENAI_ENDPOINT= " your-azure-openai-endpoint "
     AZURE_OPENAI_API_KEY= " your-azure-openai-api-key "
     API_VERSION= " 2024-02-15-preview "

5. アプリケーションを実行します：

   python app.py

6. アプリケーションへのアクセス：

   • ブラウザを開き、 http://localhost:8000にアクセスしてください。

アプリケーションを使用します

1. ファイルをアップロードします：

   • アプリの「ファイルのアップロード」セクションに移動します。
   • アップロードするPDFまたはその他のドキュメントを選択します。

2. 知識ベースを作成します：

   • アップロードされたドキュメントは処理され、チャンクに分割されます。
   • これらのチャンクからカスタムナレッジベースが作成され、将来のクエリ用に保存されます。

3. チャットボットを照会します：

   • チャットボット入力フィールドに質問を入力します。
   • チャットボットは、クエリに基づいてカスタムナレッジベースから関連情報を取得します。

4. 以前のデータベースにアクセスしてください。

   • ドロップダウンメニューを使用して、以前に作成されたデータベースにアクセスしてクエリします。

ファイル構造

 rag-powered-gpt4-chatbot/
├── app.py               # Main application script
├── config.env           # Configuration file for API keys
├── database/            # Folder for storing database files
├── rag_app.log          # Log file for tracking application events
├── requirements.txt     # Python dependencies
├── static/              # Static files like CSS
│   └── styles.css       # CSS file for basic styling
├── templates/           # HTML templates for the app interface
│   └── index.html       # Main page of the app
├── upload_file/         # Directory for storing uploaded files
├── utils.py             # Utility functions

貢献

貢献は大歓迎です！新しい機能を追加したり、バグを修正したい場合は、問題を開いたり、プルリクエストを送信してください。

ライセンス

このプロジェクトは、MITライセンスに基づいてライセンスされています。詳細については、ライセンスファイルを参照してください。

---