LLamaIndex RAG ChatBot

llamaindexを使用してrag-chatbotを開発しました

バックエンド??：

開始-------------------------------------------------------------最初の、環境をセットアップします。

 poetry install
poetry shell

デフォルトでは、Openai LLMを使用します（ただし、カスタマイズできますが、App/Context.pyを参照してください）。その結果、このディレクトリの.ENVファイルにOpenAI_API_KEYを指定する必要があります。

例.ENVファイル：

 OPENAI_API_KEY=<openai_api_key>

次に、./dataディレクトリにドキュメントの埋め込みを生成します（このフォルダーが存在する場合 - そうでなければ、この手順をスキップします）：

 python app/engine/generate.py

「埋め込みのgenrate embeddingおよびベクター検索インデックスの詳細については、https：//github.com/run-llama/mongodb-demo/tree/main?tab = readme-ov-file#create-a-vector-search-indexを参照してください。

第三に、開発サーバーを実行します。

 python main.py

次に、APIエンドポイント /API /チャットを呼び出して結果を確認します。

 curl --location 'localhost:8000/api/chat' 
--header 'Content-Type: application/json' 
--data '{ "messages": [{ "role": "user", "content": "Hello" }] }'
You can start editing the API by modifying app/api/routers/chat.py. The endpoint auto-updates as you save the file.

http：// localhost：8000/docsを使用して、apiのswagger uiを表示します。

APIにより、すべての起源のCORが開発を簡素化できます。環境環境変数をProDに設定することにより、この動作を変更できます。

 ENVIRONMENT=prod uvicorn main:app

Llamaindexの詳細については、次のリソースをご覧ください。

Llamaindexドキュメント-Llamaindexについて学びます。 Llamaindex Githubリポジトリをご覧ください - フィードバックと貢献は大歓迎です！

フロントエンド ？？：

開始--------------------------最初に依存関係をインストールします。

 npm install

第二に、開発サーバーを実行します。

 npm run dev
Open http://localhost:3000 with your browser to see the result.

app/page.tsxを変更して、ページの編集を開始できます。ファイルを編集するときにページ自動更新。

このプロジェクトでは、Next/Fontを使用して、カスタムGoogleフォントであるInterを自動的に最適化およびロードします。

Llamaindexの詳細については、次のリソースをご覧ください。

Llamaindexドキュメント-LlamainDex（Python機能）について学びます。 LlamainDextsドキュメント-LlamainDex（TypeScript機能）について学びます。 llamaindexts githubリポジトリを確認できます - フィードバックと貢献は大歓迎です！