Ed Tech Company QA Assistant

บริษัท Ed-Tech QA Assistant

โครงการนี้เป็นผู้ช่วย QA (ตอบคำถาม) ที่ออกแบบมาสำหรับ บริษัท ED-Tech มันใช้ประโยชน์จากฐานข้อมูลเวกเตอร์โมเดลภาษาที่ล้ำสมัยและการฝังเอกสารที่กำหนดเองเพื่อให้การตอบกลับที่ถูกต้องต่อการสืบค้นผู้ใช้ตามฐานความรู้ที่กำหนดไว้ล่วงหน้า

สารบัญ

• คุณสมบัติ
• การติดตั้ง
• การใช้งาน
• โครงสร้างโครงการ
• การปรับปรุงในอนาคต
• การบริจาค
• ใบอนุญาต

คุณสมบัติ

• ฐานข้อมูลเวกเตอร์ : ใช้ FAISS เพื่อค้นหาความคล้ายคลึงกันอย่างมีประสิทธิภาพในฐานความรู้
• Embeddings ที่กำหนดเอง : ขับเคลื่อนโดย HuggingFaceembeddings โดยใช้โมเดลการแปลงประโยค/โมเดล All-Minilm-L6-V2
• รูปแบบภาษาขนาดใหญ่ (LLM) : รวมโมเดล LLAMA3 ของ Groq (LLAMA3-8B-8192) สำหรับการสร้างการตอบสนองที่รับรู้บริบท
• CSV Loader : โหลดคำถามที่พบบ่อยหรือข้อมูลที่มีโครงสร้างอื่น ๆ จากไฟล์ CSV เพื่อเติมฐานความรู้
• อินเทอร์เฟซ Streamlit : UI ที่เรียบง่ายและโต้ตอบสำหรับการถามคำถามและรับคำตอบ

การติดตั้ง

1. โคลนที่เก็บ:

 git clone https : // github . com / shaadclt / Ed - Tech - Company - QA - Assistant . git
cd Ed - Tech - Company - QA - Assistant

2. ตั้งค่าสภาพแวดล้อมเสมือนจริง:

 python - m venv venv
source venv / bin / activate  # On Windows, use `venvScriptsactivate`

3. ติดตั้งการพึ่งพา:

 pip install - r requirements . txt

4. ตัวแปรสภาพแวดล้อม: สร้างไฟล์. ENV ในรูทโครงการและเพิ่มคีย์ GROQ API ของคุณ:

 GROQ_API_KEY = your_groq_api_key_here 

การใช้งาน

1. เรียกใช้แอพ Streamlit

 streamlit run main . py

2. สร้างฐานความรู้: เพื่อสร้างฐานความรู้จากไฟล์ CSV คลิกปุ่มสร้างฐานความรู้

3. ถามคำถาม: ป้อนคำถามในอินเทอร์เฟซ Streamlit และผู้ช่วยจะให้การตอบสนองที่แม่นยำตามบริบทตามฐานความรู้ที่โหลด

โครงสร้างโครงการ

• langchain_helper.py : มีตรรกะสำหรับการโหลดข้อมูลการสร้างฐานข้อมูลเวกเตอร์และการสร้างการตอบสนอง
• Main.py : ไฟล์แอปพลิเคชัน Streamlit
• FAQS.CSV : ไฟล์ตัวอย่าง CSV ที่ใช้ในการเติมฐานความรู้
• ข้อกำหนด. txt : แสดงรายการแพ็คเกจ Python ที่จำเป็นทั้งหมด
• .ENV : เก็บตัวแปรสภาพแวดล้อมเช่นคีย์ API (ไม่รวมอยู่ในที่เก็บด้วยเหตุผลด้านความปลอดภัย)

การปรับปรุงในอนาคต

• ขยายฐานความรู้: เพิ่มเอกสารหรือแหล่งข้อมูลเพิ่มเติม
• แบบจำลองการปรับแต่ง: ปรับ embeddings หรือ LLM เพื่อการตอบสนองที่แม่นยำยิ่งขึ้น
• UI ขั้นสูง: ปรับปรุงอินเทอร์เฟซ Streamlit ด้วยคุณสมบัติเพิ่มเติมเช่นการกรองการตอบกลับหรือกลไกการตอบรับ

การบริจาค

อย่าลังเลที่จะแยกที่เก็บนี้สร้างสาขาคุณสมบัติและส่งคำขอดึงสำหรับการปรับปรุงหรือแก้ไขข้อผิดพลาดใด ๆ

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT ดูไฟล์ใบอนุญาตสำหรับรายละเอียด