Custom Question Answering Chatbot using Langchain and Gemini AI

LangchainとGemini LLMを使用したチャットボットに応答するカスタム質問

• 導入
• プロジェクトの概要
• 使用されるツール
• はじめる
• スクリーンショット
• 使用事例
• 将来の改善
• 貢献者
• ライセンス

導入

このプロジェクトは、LangchainとGoogle Gemini Language Model（LLM）を使用して、チャットボットに応答するカスタム質問を実装しています。チャットボットは、質問と対応する回答で構成されるオンライン学習プラットフォームの産業データについてトレーニングされています。

プロジェクトの概要

プロジェクトワークフローには、次の手順が含まれます。

1. データの微調整：Google Gemini LLMは産業データを微調整しており、モデルが提供されたコンテキストに基づいて質問に正確に答えることができるようにします。

2. 埋め込みおよびベクトルデータベース：ハグFace文の埋め込みは、質問と回答をベクトルに変換するために使用され、ベクトルデータベースに保存されます。

3. レトリーバーの実装：ユーザーのクエリに基づいて、ベクトルデータベースから同様の外観のベクトルを取得するために、レトリーバーコンポーネントが開発されています。

4. LangChain ReterivalQAチェーンとの統合：コンポーネントは、Langchain RetervalQAチェーンを使用してチェーンに統合され、着信クエリを処理して関連する回答を取得します。

5. ユーザーインターフェイス：Streamlitは、シンプルなユーザーインターフェイスを作成するために使用され、ユーザーが質問を入力してチャットボットから回答を受信できるようにします。

使用されるツール

• Google Gemini LLM：産業データで微調整された言語モデル。
• Huggingface：文の埋め込みに使用されるライブラリ。
• Langchain：会話型AIシステムを構築するためのフレームワーク。
• Streamlit：Webベースのユーザーインターフェイスを構築するためのライブラリ。

はじめる

プロジェクトをローカルに実行するには、次の手順に従ってください。

1. リポジトリをローカルマシンにクローンします。
2. requirements.txtにリストされている必要な依存関係をインストールします。txtファイル。
3. ターミナルでstreamlit run app.pyを実行して、Riremlitアプリケーションを実行します。

スクリーンショット

使用事例

チャットボットに応答するカスタム質問は、次のようなさまざまな目的を果たします。

• 産業データの対象となるトピックに関連するユーザークエリに迅速かつ正確な応答を提供します。
• 即時の支援を提供することにより、オンライン学習プラットフォームでのユーザーエクスペリエンスを向上させます。
• よくある質問に対する回答を自動化することにより、カスタマーサポートプロセスを合理化します。

将来の改善

• より広範なユーザークエリを処理するために、追加の前処理技術を組み込みます。
• より正確な応答のために高度な言語モデルを実装します。
• ユーザーエクスペリエンスを向上させるための追加機能を使用して、ユーザーインターフェイスを強化します。

貢献者

• Abhijit Maharana

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。