Ed Tech Company QA Assistant

Assistente de QA da empresa de ED-Tech

Este projeto é um assistente de controle de qualidade (perguntas de resposta), projetado para uma empresa de ED-Tech. Ele aproveita os bancos de dados de vetores, modelos de idiomas de última geração e incorporação de documentos personalizados para fornecer respostas precisas às consultas do usuário com base em uma base de conhecimento predefinida.

Índice

• Características
• Instalação
• Uso
• Estrutura do projeto
• Aprimoramentos futuros
• Contribuindo
• Licença

Características

• Banco de dados de vetores : utiliza o FAISS para uma pesquisa de similaridade eficiente na base de conhecimento.
• INCLIMENTOS CUDDADOS : Powered by HuggingFaceEmbeddings usando o modelo de transformadores de sentença/Minilm-L6-V2.
• Modelo de linguagem grande (LLM) : integra o modelo LLAMA3 da GROQ (LLAMA3-8B-8192) para gerar respostas com reconhecimento de contexto.
• Carregador de CSV : carrega perguntas frequentes ou outros dados estruturados de arquivos CSV para preencher a base de conhecimento.
• Interface simplitada : uma interface do usuário simples e interativa para fazer perguntas e receber respostas.

Instalação

1. Clone o repositório:

 git clone https : // github . com / shaadclt / Ed - Tech - Company - QA - Assistant . git
cd Ed - Tech - Company - QA - Assistant

2. Configure um ambiente virtual:

 python - m venv venv
source venv / bin / activate  # On Windows, use `venvScriptsactivate`

3. Instale dependências:

 pip install - r requirements . txt

4. Variáveis ​​de ambiente: Crie um arquivo .env na raiz do projeto e adicione sua tecla API GROQ:

 GROQ_API_KEY = your_groq_api_key_here 

Uso

1. Execute o aplicativo StreamLit

 streamlit run main . py

2. Crie a base de conhecimento: para criar a base de conhecimento a partir de um arquivo CSV, clique no botão Criar conhecimento

3. Faça uma pergunta: insira uma pergunta na interface do streamlit e o assistente fornecerá uma resposta contextualmente precisa com base na base de conhecimento carregada.

Estrutura do projeto

• Langchain_helper.py : contém a lógica para carregar dados, criar o banco de dados vetorial e gerar respostas.
• main.py : o arquivo de aplicativo STRYLIT.
• FAQS.CSV : Um arquivo de amostra CSV usado para preencher a base de conhecimento.
• requisitos.txt : lista todos os pacotes Python necessários.
• .env : armazena variáveis ​​de ambiente como as chaves da API (não incluídas no repositório por razões de segurança).

Aprimoramentos futuros

• Expanda a base de conhecimento: adicione mais documentos ou fontes de dados.
• Modelos de ajuste fino: Ajuste as incorporações ou LLM para respostas mais precisas.
• UI avançada: melhore a interface do fluxo com recursos adicionais, como filtragem de respostas ou mecanismos de feedback.

Contribuindo

Sinta -se à vontade para gastar este repositório, criar uma filial de recursos e enviar uma solicitação de tração para obter aprimoramentos ou correções de bug.

Licença

Este projeto está licenciado sob a licença do MIT. Consulte o arquivo de licença para obter detalhes.