refind

Refinding

Refind é um projeto para armazenar meus documentos pessoais em um banco de dados de vetores teatrais e usar o módulo de vetorizador OpenAI e a pesquisa generativa.

Aqui está uma gravação de shell com asciinema mostrando as diferentes respostas com a mesma pergunta de entrada de:

1. A versão atual do ChatGPT (usando SGPT CLI)
2. A pesquisa generativa com tecelagem que contém um documento de amostra do roteiro Enteprise para SRE Book

Começando

Crie e forneça sua chave da API do OpenAI:

 export OPENAI_APIKEY= " ... "

Coloque documentos de texto completo com menos de 4097 tokens. Se o seu prompt for 4000 tokens, sua conclusão poderá ser 97 tokens no máximo.

Vamos usá -lo:

 # start the weaviate database
docker-compose up -d

# verify it is up and running
curl http://localhost:8080/v1/meta | jq .
docker-compose logs

# import data, DO IT ONCE
go run main.go import

# query data related to software
go run main.go query | jq .

# when done, gracefully shutdown
docker-compose down

Neste exemplo, o Weaviate está retornando entradas relacionadas ao software.

Operações tecemadas:

 # get the schema
curl -s http://localhost:8080/v1/schema | jq .

# get objects
curl -s http://localhost:8080/v1/objects | jq .

# get one class from the schema
curl -s http://localhost:8080/v1/schema/Chatbot | jq .

# delete a class
curl -s -XDELETE http://localhost:8080/v1/schema/Chatbot | jq . 

Meta

O plugin de recuperação do chatgpt.

PENDÊNCIA

1. Adicione automaticamente mais metadados no tecelagem ao ingerir documentos
2. Documentos divididos automaticamente maiores que o limite de token OpenAi
3. Adicione a string de consulta como uma bandeira ao executar o comando query
4. Testes de unidade, deixe copilot escrevê -los o/

Tentando Langchain

Readme.md