Custom Question Answering Chatbot using Langchain and Gemini AI

Langchain 및 Gemini LLM을 사용하여 챗봇에 응답하는 맞춤형 질문

• 소개
• 프로젝트 개요
• 사용 된 도구
• 시작하기
• 스크린 샷
• 유스 케이스
• 향후 개선
• 기고자
• 특허

소개

이 프로젝트는 Langchain 및 Google Gemini Language Model (LLM)을 사용하여 챗봇에 대한 맞춤형 질문을 구현합니다. 챗봇은 질문과 해당 답변으로 구성된 온라인 학습 플랫폼의 산업 데이터에 대한 교육을받습니다.

프로젝트 개요

프로젝트 워크 플로에는 다음 단계가 포함됩니다.

1. 데이터 미세 조정 : Google Gemini LLM은 산업 데이터와 미세 조정되어 제공된 컨텍스트에 따라 모델이 정확하게 질문에 답변 할 수 있습니다.

2. 임베딩 및 벡터 데이터베이스 : Huggingface 문장 임베딩은 질문과 답변을 벡터 데이터베이스에 저장하는 벡터로 변환하는 데 사용됩니다.

3. 리트리버 구현 : 리트리버 구성 요소는 사용자의 쿼리를 기반으로 벡터 데이터베이스에서 유사한 벡터를 검색하기 위해 개발되었습니다.

4. Langchain retrivalQa 체인과의 통합 : 구성 요소는 Langchain retrivalQa 체인을 사용하여 체인에 통합되어 쿼리를 처리하고 관련 답변을 검색합니다.

5. 사용자 인터페이스 : Sleamlit은 간단한 사용자 인터페이스를 만드는 데 사용되어 사용자가 질문을 입력하고 챗봇으로부터 답변을받을 수 있습니다.

사용 된 도구

• Google Gemini LLM : 언어 모델은 산업 데이터로 미세 조정되었습니다.
• Huggingface : 문장 임베딩에 사용되는 도서관.
• Langchain : 대화식 AI 시스템 구축을위한 프레임 워크.
• 간소화 : 웹 기반 사용자 인터페이스를 구축하기위한 라이브러리.

시작하기

로컬로 프로젝트를 실행하려면 다음 단계를 따르십시오.

1. 저장소를 로컬 컴퓨터로 복제하십시오.
2. requirements.txt 파일에 나열된 필요한 종속성을 설치하십시오.
3. 터미널에서 streamlit run app.py 실행하여 유선 애플리케이션을 실행하십시오.

스크린 샷

유스 케이스

챗봇에 응답하는 맞춤형 질문은 다음을 포함하여 다양한 목적을 제공합니다.

• 산업 데이터가 다루는 주제와 관련된 사용자 쿼리에 빠르고 정확한 응답을 제공합니다.
• 즉각적인 지원을 제공하여 온라인 학습 플랫폼에서 사용자 경험을 향상시킵니다.
• 자주 묻는 질문에 대한 응답을 자동화하여 고객 지원 프로세스를 간소화합니다.

향후 개선

• 더 넓은 범위의 사용자 쿼리를 처리하기 위해 추가 사전 처리 기술을 통합하십시오.
• 보다 정확한 응답을 위해 고급 언어 모델을 구현하십시오.
• 더 나은 사용자 경험을 위해 추가 기능을 사용하여 사용자 인터페이스를 향상시킵니다.

기고자

• Abhijit Maharana

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다.