medicure rag chatbot

Medicure Rag Chatbot?

Uma técnica de pano de implementação da AI Chatbot com o modelo de linguagem grande meta-lama2-7b, juntamente com bancos de dados de vetores Langchain e Pinecone. Recurso usado: A Enciclopédia Gale da Medicina

Capturas de tela

Tecnologias usadas

1. SiRLIT- UI da webApp
2. Pinecone - banco de dados vetorial
3. Langchain e Frende -Transformers - Recueqachain e Modelo de incorporação
4. Meta llama-2-7b Modelo quantizado-modelo de linguagem grande (LLM) do hub de face Hugging

Abordagem da solução

O Pinecone Vector DB armazena as incorporações text_chunks geradas no livro PDF. O Langchain é usado para construir o llmchain com o PromptTemplate para executar a pesquisa de similaridade a partir do Pinecone e, em seguida, o grão fino da saída com LLM.

Executando o aplicativo da web localmente

Para executar o aplicativo da web localmente, siga estas etapas:

1. Clone o repo :

git clone https://github.com/4darsh-Dev/medicure-rag-chatbot.git 

2. Configurar poesia :

     pip install poetry
     poetry init
     poetry shell
     

3. Instalar requisitos :

     poetry install
     

4. Execute o aplicativo StreamLit :

   poetry streamlit run app.py

5. Acesse o seu aplicativo : depois de executar o comando, o Streamlit iniciará um servidor da Web local e fornecerá um URL onde você pode acessar seu aplicativo. Normalmente, será algo como http://localhost:8501 . Abra este URL no seu navegador da web.

6. Pare o servidor StreamLit : para interromper o servidor StreamLit, volte para o terminal ou o prompt de comando onde estiver em execução e pressione Ctrl + C para encerrar o servidor.

Oi, eu sou Adarsh!

? Links

Opinião

Se você tiver algum feedback, entre em contato conosco em [email protected]