autonomous hr chatbot

Chatgpt, Langchain, Pinecone 및 Streamlit을 사용하여 구축 된 자율 HR chatbot

동반자 독서 : Chatgpt 및 Langchain의 에이전트 및 도구로 (주로) 자율 HR 조수 만들기

---

tl; dr/description

---

이것은 프로토 타입 엔터프라이즈 응용 프로그램입니다. Pinecone을 벡터 데이터베이스로 사용하고 Chatgpt 또는 GPT-3.5-Turbo로 구동되는 Langchain의 에이전트 및 도구 모듈을 사용하여 만들어졌습니다. 프론트 엔드는 sleamlit_chat 구성 요소를 사용하여 유선입니다.

도구 :

1. 시간 관리 정책 - chatgpt가 생성 된 샘플 HR 정책 문서. OpenAI의 Text-embedding-ADA-002 모델을 사용 하여이 문서에 대해 임베딩이 만들어졌으며 Pinecone 지수에 저장되었습니다.
2. 직원 데이터 - 더미 직원 데이터가 포함 된 CSV 파일 (예 : 이름, 감독자, 잎 등). Pandas 데이터 프레임으로로드되었으며 Langchain의 Pythonastrepltool을 사용하여 LLM에 의해 조작됩니다.
3. 계산기 - 이것은 Langchain의 계산기 체인 모듈, llmmathchain입니다

샘플 채팅

샘플 도구 사용

---

이 저장소를 사용하는 방법

1. Python 3.10을 설치하십시오. Windows, Mac
2. 로컬 디렉토리로 리포지트를 복제하십시오.
3. 로컬 디렉토리로 이동하여 터미널 에서이 명령을 실행하여 모든 전제 조건 모듈 pip install -r requirements.txt 설치하십시오.
4. hr_agent_backend_local.py 파일 (또는 hr_agent_backend_azure.py 에 자신의 API 키를 입력하십시오.
5. 단말기에서 streamlit run hr_agent_frontent.py 실행합니다

PENECONE에 임베딩을 저장합니다

1. pinecone.io에서 Pinecone 계정을 만듭니다 - 무료 계층이 있습니다. PENECONE API 및 환경 값을 기록하십시오.
2. 노트북 'Store_embeddings_in_pinecone.ipynb'을 실행하십시오. PENECONE 및 OPENAI API 키 (임베딩 모델의 경우)를 자신의 것으로 교체하십시오.

---

기술 스택

---

Azure Openai 서비스 - Azure 고객을위한 OpenAi 서비스 제공.
Langchain- LLM 주위에 앱을 구축하기위한 개발 프레임 작업.
PENECONE- 임베딩을 저장하기위한 벡터 데이터베이스.
간소 - 프론트 엔드에 사용됩니다. Python 웹 앱을 배포하기위한 가벼운 프레임 워크.
Azure Data Lake- 직원 데이터 CSV 파일을 착륙시키기위한. 다른 클라우드 스토리지도 작동해야합니다 (Blob, S3 등).
Azure Data Factory- 데이터 파이프 라인을 만드는 데 사용됩니다.
SAP HCM- 직원 데이터의 소스 시스템.

비디오 데모

---

YouTube 링크

---

작가

---

스티븐 보니파오

저와 연결하십시오 :

LinkedIn : https://www.linkedin.com/in/stephenbonifacio/
트위터 : https://twitter.com/stepanogil