VecTextSearch

vectextsearch

VectextSearch เป็นโครงการที่ใช้โมเดลภาษา OpenAI เพื่อสร้างเวกเตอร์ข้อความและทำการค้นหาที่มีประสิทธิภาพในฐานข้อมูลทอผ้า ช่วยให้ผู้ใช้สามารถจัดเก็บข้อมูลข้อความในฐานข้อมูลทอและค้นหาและดึงข้อความที่เกี่ยวข้องอย่างรวดเร็วตามข้อความที่คล้ายคลึงกัน โครงการเขียนใน Golang และให้ REST API อย่างง่ายสำหรับการโทรจากลูกค้า

ภาษาจีนง่ายๆ

การแนะนำโครงการ

VectextSearch เป็นโครงการที่ใช้โมเดลภาษา OpenAI เพื่อสร้างเวกเตอร์ข้อความและทำการค้นหาที่มีประสิทธิภาพในฐานข้อมูลทอ ช่วยให้ผู้ใช้สามารถจัดเก็บข้อมูลข้อความในฐานข้อมูลทอและค้นหาและดึงข้อความที่เกี่ยวข้องอย่างรวดเร็วตามข้อความที่คล้ายคลึงกัน โครงการเขียนใน Golang และให้ API REST อย่างง่ายสำหรับการโทรจากลูกค้า

ประวัติการแชท

ประวัติการแชท 1 - สร้างโครงการ

ประวัติการแชท 2 - แก้ไข DockerFile และ MakeFile

บันทึกการแชท 3 - ทำให้ผลลัพธ์การส่งคืนของการค้นหาเวกเตอร์ง่ายขึ้นและแก้ไขโครงสร้างข้อมูล

บันทึกการแชท 4 - การปรับโครงสร้างโครงการใหม่

CHAT Record 5 - ดาวน์โหลดบทสนทนา Chatgpt แชทโดยตรงเป็นไฟล์ Markdown

ประวัติการแชท 6 - เพิ่มการสนับสนุนข้ามโดเมนเพื่อแก้ไขข้อผิดพลาดของคำสั่ง Make Run

ประวัติการแชท 7 - แก้ไขข้อผิดพลาดของเอกสาร

ประวัติการแชท 8 - กำหนดค่าว่าเนื้อหาสามารถทำซ้ำได้หรือไม่เมื่อเพิ่มข้อความ

ประวัติการแชท 9 - ชื่อคลาสของ Weaviate สามารถกำหนดค่าได้

ผล

บุรุษไปรษณีย์

เว็บ

กระพือ

พื้นหลังโครงการ

ในแอปพลิเคชั่นที่ใช้งานได้จริงจำเป็นต้องมีการค้นหาอย่างรวดเร็วตามความคล้ายคลึงกันของข้อความ ตัวอย่างเช่นที่ได้รับบทความคุณสามารถค้นหาบทความอื่น ๆ ที่คล้ายกับเนื้อหาของพวกเขา วิธีการค้นหาตามคำหลักแบบดั้งเดิมอาจไม่ได้จับความคล้ายคลึงกันระหว่างข้อความอย่างถูกต้อง VectextSearch ใช้โมเดลภาษาที่ทรงพลังของ OpenAI เพื่อแปลงข้อความเป็นตัวแทนเวกเตอร์จากนั้นใช้ฐานข้อมูลทอสำหรับการค้นหาเวกเตอร์ที่คล้ายกันอย่างมีประสิทธิภาพ

ใช้และสถานการณ์การใช้งาน

VectextSearch สามารถนำไปใช้กับสถานการณ์ต่อไปนี้:

• ค้นหาเนื้อหาที่เกี่ยวข้องสำหรับบทความบล็อกเอกสาร ฯลฯ
• ใช้ระบบคำถามและคำตอบอัจฉริยะเพื่อจับคู่คำถามและคำตอบที่เกี่ยวข้องอย่างรวดเร็วตามคำถามของผู้ใช้
• สร้างระบบคำแนะนำและแนะนำบทความที่คล้ายกันกับผู้ใช้ตามประวัติการอ่านของพวกเขา
• ตรวจจับเนื้อหาที่ซ้ำกันหรือลอกเลียนแบบ

รายการสิ่งที่ต้องทำ

• พัฒนาแอปพลิเคชั่นตัวอย่าง : สร้างแอปพลิเคชันตัวอย่างที่แสดงฟังก์ชั่น vectextSearch และกรณีการใช้งาน
• เพิ่มอินเทอร์เฟซการจัดการข้อมูล : จัดเตรียมอินเทอร์เฟซการจัดการข้อมูลสำหรับโครงการเพื่ออำนวยความสะดวกให้ผู้ใช้จัดการข้อมูลข้อความที่เก็บไว้ในฐานข้อมูลทอ
• พัฒนาอินเทอร์เฟซ Front-End ที่ใช้งานง่าย : ลดความซับซ้อนของการใช้ VectExtSearch และให้ประสบการณ์ที่ดีขึ้นแก่ผู้ใช้
• จัดทำเอกสารโดยละเอียด : เขียนเอกสารโดยละเอียดรวมถึงการอ้างอิง API ตัวอย่างการใช้งานและแบบฝึกหัด
• มีตัวเลือกการกำหนดค่าเพิ่มเติม : ช่วยให้ผู้ใช้สามารถปรับประสิทธิภาพและฟังก์ชั่นของ vectextSearch ตามความต้องการของพวกเขา
• เพิ่มการทดสอบหน่วยและการทดสอบการรวม : ตรวจสอบคุณภาพและความมั่นคงของรหัส
• ให้ความสนใจกับการอัปเดตของรูปแบบภาษา OpenAI : ดำเนินการต่อเพื่อให้ความสนใจกับการอัปเดตและการปรับปรุงรูปแบบภาษา OpenAI และใช้เทคโนโลยีล่าสุดกับ VectSearch
• การพัฒนาปลั๊กอินหรือระบบขยาย : ช่วยให้ผู้ใช้สามารถปรับแต่งฟังก์ชั่นของ VectExtSearch ตามความต้องการของพวกเขา

บทนำอินเทอร์เฟซ

VectExtSearch มีอินเทอร์เฟซ REST API สองตัว:

เพิ่มข้อความ

• url: /add-text
• วิธี: โพสต์
• ประเภทเนื้อหา: แอปพลิเคชัน/json
• ขอน้ำหนักบรรทุก:

{
  "name" : "文章名称" ,
  "content" : "文章内容"
}

• การตอบสนอง: หลังจากเพิ่มข้อความสำเร็จแล้ววัตถุ JSON ที่มีรหัสข้อความจะถูกส่งกลับ

{
  "id" : "文章唯一标识符"
}

ค้นหาข้อความที่คล้ายกัน

• URL: /การค้นหาแบบมีลักษณะคล้าย
• วิธี: โพสต์
• ประเภทเนื้อหา: แอปพลิเคชัน/json
• ขอน้ำหนักบรรทุก:

{
  "content" : "查询内容"
}

การตอบสนอง: หลังจากการค้นหาสำเร็จวัตถุ JSON ที่มีข้อมูลข้อความที่คล้ายกันจะถูกส่งกลับ

[
  {
    "name" : "文章名称" ,
    "content" : "文章内容" ,
    "distance" : 浮点数（与查询内容的距离）,
    "certainty" : 浮点数（与查询内容的相似度）
  },
  ...
]

คำอธิบายฟังก์ชั่น makefile

• make init : สร้างเทมเพลตไฟล์ .env สำหรับการกำหนดค่าตัวแปรสภาพแวดล้อม
• make build : Build Docker Image
• make push : กดอิมเมจนักเทียบท่าไปที่ฮับ Docker
• make run : เรียกใช้แอปพลิเคชันในเครื่อง

เริ่มฐานข้อมูลเวกเตอร์ทอผ้า

docker run -d 
  --name weaviate 
  -p 8888:8080 
  --restart on-failure:0 
  -e QUERY_DEFAULTS_LIMIT=25 
  -e AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED=true 
  -e PERSISTENCE_DATA_PATH= ' /var/lib/weaviate ' 
  -e DEFAULT_VECTORIZER_MODULE= ' none ' 
  -e ENABLE_MODULES= ' ' 
  -e AUTOSCHEMA_ENABLED=true 
  -e CLUSTER_HOSTNAME= ' node1 ' 
  semitechnologies/weaviate:1.18.1 
  --host 0.0.0.0 
  --port 8080 
  --scheme http

chatgpt เพื่อ markdown ปลั๊กอิน Chrome

Chatgpt ถึง Markdown เป็นปลั๊กอิน Chrome ที่พัฒนาโดย ChatGPT ซึ่งออกแบบมาเพื่อช่วยให้ผู้ใช้ดาวน์โหลดบันทึกการสนทนาของ ChatGPT และ OpenAI เป็นไฟล์ Markdown ได้อย่างง่ายดาย ไฟล์ Markdown ที่สร้างขึ้นจะมีการสนทนาทั้งหมดและสร้างความแตกต่างที่ชัดเจนระหว่างผู้ใช้และผู้ช่วย ปลั๊กอินนี้สะดวกสำหรับผู้ใช้ในการจัดระเบียบและดูประวัติการแชทและปรับปรุงประสิทธิภาพการทำงาน

ฟังก์ชั่นหลัก:

• เพิ่มปุ่ม "ดาวน์โหลด markdown" ลงในหน้าโต้ตอบ chatgpt
• แปลงบันทึกการสนทนาทั้งหมดเป็นรูปแบบ Markdown
• สร้างย่อหน้าประวัติการแชทโดยอัตโนมัติด้วยชื่อเรื่อง "neo" (ผู้ใช้) และ "chatgpt" (ผู้ช่วย)

สำหรับคำแนะนำโดยละเอียดและวิธีการใช้งานโปรดดูที่ไฟล์ chatgpt ไปยังไฟล์ปลั๊กอิน Markdown

การพัฒนาและการบริจาค

หากคุณต้องการมีส่วนร่วมในการค้นหา vectextsearch หรือการพัฒนารองของโครงการคุณสามารถทำตามขั้นตอนเหล่านี้:

1. การโคลนนิ่งที่เก็บนี้เป็นท้องถิ่น:

git clone https://github.com/szpnygo/VecTextSearch.git

2. ป้อนไดเรกทอรีโครงการและติดตั้งการพึ่งพาที่เกี่ยวข้อง:

 cd VecTextSearch
go get -u

3. กรอกคีย์ OpenAI API ที่ถูกต้องในไฟล์ config.yml

4. เรียกใช้โครงการ:

go run main.go

หากคุณมีปัญหาในการใช้ vectextsearch หรือมีแนวคิดและข้อเสนอแนะใหม่โปรดส่งปัญหาหรือคำขอดึง เราขอขอบคุณการสนับสนุนและการสนับสนุนของคุณจริงๆ!

ใบอนุญาต

VectextSearch ใช้ใบอนุญาต MIT สำหรับข้อมูลเพิ่มเติมดูไฟล์ใบอนุญาต

ติดต่อเรา

หากคุณพบปัญหาใด ๆ กับการใช้ vectextsearch โปรดติดต่อเรา คุณสามารถติดต่อเราได้โดย:

• ส่งปัญหาในที่เก็บ GitHub
• ส่งอีเมลไปที่: [email protected]