RAG Powered GPT 4 Chatbot

Rag-Powered GPT-4 챗봇 : AI 기반 지식 검색

RAG (Retrieval-Augmented Generation) 및 OpenAI의 GPT-4를 사용하여 구축 된 챗봇과의 데이터 상호 작용을 혁신합니다. 문서를 업로드하고, 맞춤형 지식 기반을 만들고, 연구, 비즈니스 운영 및 고객 지원에 대한 정확하고 상황에 맞는 답변을 얻으십시오.

목차

1. 소개
2. 주요 기능
3. 사용 사례
4. 작동 방식
5. 시작하기
6. 파일 구조
7. 기여
8. 특허

소개

Rag-Powered Chatbot은 검색 및 생성 AI를 결합하여 사용자가 사용자 정의 데이터 소스의 특정 정보에 액세스 할 수 있도록 도와줍니다. 문서를 업로드하면 챗봇은 파일에서 가장 관련성이 높은 데이터를 가져와 높은 정확도와 최신 답변을 보장 할 수 있습니다.

주요 기능

• 문서 업로드 : 관리 가능한 부품에 담그고 데이터베이스에서 벡터로 저장 될 PDF 또는 기타 문서를 추가하십시오.
• 맞춤형 지식 기반 : 업로드 된 파일에서 검색 가능한 지식 기반을 만듭니다.
• 영구 데이터베이스 : 언제든지 지식 기반을 저장, 검색 및 재사용하십시오.
• 정확한 응답 : 사용자 정의 지식 기반의 데이터를 기반으로 컨텍스트 인식 답변을 얻습니다.

사용 사례

• 연구 : 관련 정보를 쿼리하여 대규모 데이터 세트, 연구 및 연구 논문을 분석하십시오.
• 비즈니스 운영 : 더 나은 의사 결정을 위해 내부 문서 및 정책에 신속하게 액세스하십시오.
• 고객 지원 : FAQ 또는 제품 매뉴얼에서 데이터를 즉시 가져 오는 챗봇을 만듭니다.
• 교육 및 온 보딩 : 주요 내부 문서 및 교육 자료에 즉시 액세스 할 수 있도록 신규 고용인을 제공합니다.

작동 방식

1. 문서 업로드 :

   • PDF 또는 텍스트 파일을 시스템에 업로드하십시오.
   • 파일은 자동으로 더 작은 섹션으로 분할되고 효율적인 검색을 위해 벡터로 변환됩니다.

2. 지식 기반 만들기 :

   • 이 시스템은 업로드 된 문서에서 맞춤형 지식 기반을 구축합니다.
   • 이 지식 기반은 자연어 쿼리를 사용하여 검색 할 수 있습니다.

3. 쿼리 지식 기반 :

   • 챗봇 인터페이스를 사용하여 질문을하십시오.
   • 이 시스템은 시맨틱 검색을 사용하여 지식 기반에서 가장 관련성이 높은 정보를 검색합니다.

4. 영구 데이터베이스 :

   • 향후 액세스 할 수 있도록 업로드 된 파일 및 데이터베이스를 저장하십시오.
   • 파일을 다시 업로드 할 필요없이 지식 기반을 재사용하거나 수정하십시오.

시작하기

전제 조건

• 파이썬 3.x
• GPT-4 통합을위한 Azure OpenAI API 키

설치

1. 저장소 복제 :

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

2. 가상 환경 설정 :

   python -m venv ragvenv
   source ragvenv/bin/activate

3. 종속성 설치 :

   pip install -r requirements.txt

4. Azure Openai 자격 증명 구성 :

   • config.env 파일을 열고 다음 Azure Openai 자격 증명을 추가하십시오.

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

5. 응용 프로그램 실행 :

   python app.py

6. 응용 프로그램 액세스 :

   • 브라우저를 열고 http://localhost:8000 으로 이동하십시오.

응용 프로그램 사용

1. 파일 업로드 :

   • 앱의 "업로드 파일"섹션으로 이동하십시오.
   • 업로드 할 PDF 또는 기타 문서를 선택하십시오.

2. 지식 기반 만들기 :

   • 업로드 된 문서는 처리되어 청크로 분할됩니다.
   • 이 청크에서 사용자 정의 지식 기반이 생성되어 향후 쿼리를 위해 저장됩니다.

3. 챗봇 쿼리 :

   • 챗봇 입력 필드에 질문을 입력하십시오.
   • 챗봇은 쿼리를 기반으로 맞춤형 지식 기반에서 관련 정보를 검색합니다.

4. 이전 데이터베이스 액세스 :

   • 드롭 다운 메뉴를 사용하여 이전에 만든 데이터베이스에 액세스하고 쿼리하십시오.

파일 구조

 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

기여

기부금을 환영합니다! 새로운 기능을 추가하거나 버그를 수정하려면 문제를 열거나 풀 요청을 제출하십시오.

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다. 자세한 내용은 라이센스 파일을 참조하십시오.

---