RAG Powered GPT 4 Chatbot

Rag-powered gpt-4 Chatbot: поиск знаний на основе AI

Революционизируйте взаимодействие данных с чат-ботом, созданным с использованием поколения поиска (RAG) и GPT-4 OpenAI . Загрузите документы, создайте пользовательские базы знаний и получите точные, контекстные ответы для исследований, бизнес -операций и поддержки клиентов.

Оглавление

1. Введение
2. Ключевые функции
3. Варианты использования
4. Как это работает
5. Начиная
6. Структура файла
7. Внося
8. Лицензия

Введение

Чат-бот с тряпкой объединяет поиск и генеративный ИИ, чтобы помочь пользователям получить доступ к конкретной информации из пользовательских источников данных. Загрузив ваши документы, чат-бот может извлечь наиболее релевантные данные из ваших файлов, обеспечивая высокую точность и современные ответы.

Ключевые функции

• Загрузите документы : Добавьте PDF -файлы или другие документы, которые будут составлены в управляемые детали и хранятся в качестве векторов в базе данных.
• Пользовательская база знаний : создайте базу знаний, доступных для поиска из ваших загруженных файлов.
• Постоянная база данных : сохранить, извлечь и повторно использовать базу знаний в любое время.
• Точные ответы : Получите ответы с учетом контекста на основе данных в вашей пользовательской базе знаний.

Варианты использования

• Исследование : анализируйте большие наборы данных, исследования и исследовательские работы, запрашивая соответствующую информацию.
• Бизнес-операции : быстро доступ к внутренним документам и политике для лучшего принятия решений.
• Поддержка клиентов : Создайте чат -бот, который мгновенно извлекает данные из часто задаваемых вопросов или руководств по продукту.
• Обучение и адаптация : предоставьте новые сотрудники с мгновенным доступом к ключевым внутренним документам и учебным материалам.

Как это работает

1. Загрузить документы :

   • Загрузите PDF или текстовые файлы в систему.
   • Файлы автоматически разделены на меньшие разделы и преобразуются в векторы для эффективного поиска.

2. Создайте базу знаний :

   • Система создает пользовательскую базу знаний из загруженных документов.
   • Эта база знаний можно искать с помощью запросов естественного языка.

3. Запрос базы знаний :

   • Используйте интерфейс Chatbot, чтобы задать вопросы.
   • Система получает наиболее важную информацию из базы знаний, используя семантический поиск.

4. Постоянная база данных :

   • Сохраните загруженные файлы и базы данных для будущего доступа.
   • Повторно используйте или изменяйте базу знаний без необходимости повторной загрузки файлов.

Начиная

Предварительные условия

• Python 3.x
• Azure OpenAI API-ключ для интеграции GPT-4

Установка

1. Клонировать репозиторий :

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

2. Настройте виртуальную среду :

   python -m venv ragvenv
   source ragvenv/bin/activate

3. Установить зависимости :

   pip install -r requirements.txt

4. Настройте учетные данные Azure Openai :

   • Откройте файл config.env и добавьте следующие учетные данные 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. Запустите приложение :

   python app.py

6. Доступ к приложению :

   • Откройте свой браузер и перейдите по адресу http://localhost:8000 .

Использование приложения

1. Загрузите файл :

   • Перейдите в раздел «Загрузка файла» приложения.
   • Выберите PDF или другой документ для загрузки.

2. Создайте базу знаний :

   • Загруженный документ будет обработан и разделен на куски.
   • Пользовательская база знаний создается из этих кусков и хранится для будущих запросов.

3. Запросите чат -бот :

   • Введите свои вопросы в поле ввода Чатбота.
   • Чатбот извлечет соответствующую информацию из пользовательской базы знаний на основе вашего запроса.

4. Доступ к предыдущим базам данных :

   • Используйте выпадающее меню для доступа и запроса ранее созданных баз данных.

Структура файла

 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

Внося

Взносы приветствуются! Пожалуйста, откройте проблему или отправьте запрос на привлечение, если хотите добавить новые функции или исправить ошибки.

Лицензия

Этот проект лицензирован по лицензии MIT - для получения подробной информации см. Файл лицензии.

---