RAG Powered GPT 4 Chatbot

GPT-4 chatbot de RAG: Recuperação de conhecimento baseada em IA

Revolucione a interação de dados com um chatbot construído usando a geração de recuperação upmentada (RAG) e o GPT-4 do OpenAI . Carregue documentos, crie bases de conhecimento personalizado e obtenha respostas precisas e contextuais para pesquisa, operações comerciais e suporte ao cliente.

Índice

1. Introdução
2. Principais recursos
3. Casos de uso
4. Como funciona
5. Começando
6. Estrutura de arquivo
7. Contribuindo
8. Licença

Introdução

O chatbot movido a RAG combina recuperação e IA generativa para ajudar os usuários a acessar informações específicas de fontes de dados personalizadas. Ao carregar seus documentos, o chatbot pode extrair os dados mais relevantes de seus arquivos, garantindo alta precisão e respostas atualizadas.

Principais recursos

• Documentos de upload : Adicione PDFs ou outros documentos que serão divididos em peças gerenciáveis ​​e armazenadas como vetores em um banco de dados.
• Base de conhecimento personalizada : Crie uma base de conhecimento pesquisável a partir de seus arquivos enviados.
• Banco de dados persistente : salve, recupere e reutilize sua base de conhecimento a qualquer momento.
• Respostas precisas : obtenha respostas com reconhecimento de contexto com base nos dados em sua base de conhecimento personalizada.

Casos de uso

• Pesquisa : Analise grandes conjuntos de dados, estudos e trabalhos de pesquisa, consultando informações relevantes.
• Operações comerciais : acesse documentos e políticas internas rapidamente para uma melhor tomada de decisão.
• Suporte ao cliente : Crie um chatbot que extrai dados instantaneamente de perguntas frequentes ou manuais do produto.
• Treinamento e integração : forneça novos contratados com acesso instantâneo aos principais documentos internos e materiais de treinamento.

Como funciona

1. Carregar documentos :

   • Carregue os arquivos de PDF ou texto para o sistema.
   • Os arquivos são divididos automaticamente em seções menores e convertidos em vetores para pesquisa eficiente.

2. Crie base de conhecimento :

   • O sistema cria uma base de conhecimento personalizada a partir dos documentos enviados.
   • Essa base de conhecimento pode ser pesquisada usando consultas de linguagem natural.

3. Base de conhecimento de consulta :

   • Use a interface do chatbot para fazer perguntas.
   • O sistema recupera as informações mais relevantes da base de conhecimento usando pesquisa semântica.

4. Banco de dados persistente :

   • Salve seus arquivos e bancos de dados enviados para acesso futuro.
   • Reutilize ou modifique a base de conhecimento sem a necessidade de reaparecer os arquivos.

Começando

Pré -requisitos

• Python 3.x
• Chave da API do Azure OpenAi para Integração GPT-4

Instalação

1. Clone o repositório :

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

2. Configure um ambiente virtual :

   python -m venv ragvenv
   source ragvenv/bin/activate

3. Instale dependências :

   pip install -r requirements.txt

4. Configure credenciais do Azure Openai :

   • Abra o arquivo config.env e adicione as seguintes credenciais do Azure Openai:

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

5. Execute o aplicativo :

   python app.py

6. Acesse o aplicativo :

   • Abra seu navegador e vá para http://localhost:8000 .

Usando o aplicativo

1. Carregue um arquivo :

   • Navegue até a seção "Arquivo de upload" do aplicativo.
   • Selecione um PDF ou outro documento para fazer upload.

2. Crie uma base de conhecimento :

   • O documento carregado será processado e dividido em pedaços.
   • Uma base de conhecimento personalizada é criada a partir desses pedaços e armazenada para perguntas futuras.

3. Consulte o chatbot :

   • Digite suas perguntas no campo de entrada do chatbot.
   • O chatbot recuperará informações relevantes da base de conhecimento personalizada com base em sua consulta.

4. Acesse bancos de dados anteriores :

   • Use o menu suspenso para acessar e consultar bancos de dados criados anteriormente.

Estrutura de arquivo

 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

Contribuindo

As contribuições são bem -vindas! Abra um problema ou envie uma solicitação de tração se quiser adicionar novos recursos ou corrigir erros.

Licença

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

---