llm movieagent

LLM-movieAgent

โครงการนี้ได้รับการออกแบบมาเพื่อใช้ตัวแทนที่สามารถโต้ตอบกับฐานข้อมูลกราฟเช่น Neo4J ผ่านเลเยอร์ความหมายโดยใช้การเรียกใช้ฟังก์ชัน OpenAI เลเยอร์ความหมายจะช่วยให้ตัวแทนมีชุดเครื่องมือที่แข็งแกร่งทำให้สามารถโต้ตอบกับฐานข้อมูลกราฟตามเจตนาของผู้ใช้ อ่านเพิ่มเติมในโพสต์บล็อก

ในการเริ่มต้นโครงการเรียกใช้คำสั่งต่อไปนี้:

 docker-compose up

เปิด http://localhost:8501 ในเบราว์เซอร์ของคุณเพื่อโต้ตอบกับตัวแทน

เครื่องมือ

เอเจนต์ใช้เครื่องมือหลายอย่างในการโต้ตอบกับฐานข้อมูลกราฟ Neo4J อย่างมีประสิทธิภาพ:

1. เครื่องมือข้อมูล :
   • ดึงข้อมูลเกี่ยวกับภาพยนตร์หรือบุคคลเพื่อให้แน่ใจว่าตัวแทนสามารถเข้าถึงข้อมูลล่าสุดและเกี่ยวข้องมากที่สุด
2. เครื่องมือแนะนำ :
   • ให้คำแนะนำภาพยนตร์ตามการตั้งค่าและอินพุตของผู้ใช้
3. เครื่องมือหน่วยความจำ :
   • จัดเก็บข้อมูลเกี่ยวกับการตั้งค่าของผู้ใช้ในกราฟความรู้เพื่อให้ได้รับประสบการณ์ส่วนตัวมากกว่าการโต้ตอบหลายครั้ง

การตั้งค่าสภาพแวดล้อม

คุณต้องกำหนดตัวแปรสภาพแวดล้อมต่อไปนี้ในไฟล์. .env

 OPENAI_API_KEY=<YOUR_OPENAI_API_KEY>
NEO4J_URI=<YOUR_NEO4J_URI>
NEO4J_USERNAME=<YOUR_NEO4J_USERNAME>
NEO4J_PASSWORD=<YOUR_NEO4J_PASSWORD>

คอนเทนเนอร์นักเทียบท่า

โครงการนี้มีบริการต่อไปนี้ที่ห่อเป็นคอนเทนเนอร์ Docker

1. neo4j :
   • Neo4j ฐานข้อมูลกราฟใช้เพื่อจัดเก็บข้อมูลเกี่ยวกับนักแสดงภาพยนตร์และการจัดอันดับของพวกเขา
2. API :
   • ใช้เทมเพลต neo4j-semantic-layer ของ Langchain เพื่อใช้ความสามารถในการเรียก OpenAI LLM และฟังก์ชั่น
3. UI :
   • อินเทอร์เฟซผู้ใช้แชทสตรีมสตรีมแบบง่าย มีให้ใน localhost:8501

มีข้อมูล

หากคุณต้องการที่จะเติม DB ด้วยชุดข้อมูลภาพยนตร์ตัวอย่างคุณสามารถเรียกใช้ ingest.py สคริปต์นำเข้าข้อมูลเกี่ยวกับภาพยนตร์และการให้คะแนนของผู้ใช้ ในการทำงานภายในคอนเทนเนอร์ API Docker (แนะนำ) ทำสิ่งต่อไปนี้:

 # access container shell
docker exec -it < container id for llm-movieagent-api > bash
# run script
python ingest.py

นอกจากนี้สคริปต์ยังสร้างดัชนีเต็มเท็กซ์สองดัชนีซึ่งใช้ในการแมปข้อมูลจากอินพุตผู้ใช้ไปยังฐานข้อมูล ชุดข้อมูลขึ้นอยู่กับชุดข้อมูล Movielens ซึ่งมีให้เป็นโครงการ Recommendation ใน Neo4J Sandbox

ผลงาน

ยินดีต้อนรับผลงาน!