ดาวน์โหลด autogen_with_chromadb - ดาวน์โหลดซอร์สโค้ด autogen_with

autogen_with_chromadb

ซอร์สโค้ดอื่น ๆ

1.0.0

ดาวน์โหลด

autogen กับ chroma db

Autogen เป็นเฟรมเวิร์กโอเพนซอร์ซที่ช่วยให้การพัฒนาแอปพลิเคชัน AI สนทนาโดยใช้ตัวแทนหลายตัว

Chroma DB เป็นฐานข้อมูลเวกเตอร์โอเพ่นซอร์สสำหรับการจัดเก็บและดึงการฝังเวกเตอร์

สร้างสภาพแวดล้อม Python เสมือนจริง

virtualenv -p python3.11 env_name
python -m venv env_name

เปิดใช้งาน env เสมือน

env_name/scripts/activate

ติดตั้ง Autogen & Chroms DB

 pip install -U "pyautogen[retrievechat]" chromadb

-U บอกให้ PIP อัพเกรดแพ็คเกจที่ติดตั้งไว้แล้วเป็นเวอร์ชันล่าสุดก่อนที่จะติดตั้ง
"pyautogen[retrievechat]" ติดตั้งแพ็คเกจ Pyautogen และยังติดตั้งคุณสมบัติพิเศษ "RetrieveChat" เสริมของแพ็คเกจนั้น

ตั้งค่าตัวแปรสภาพแวดล้อม autogen_use_docker เป็นเท็จ

คำสั่ง bash:

 export AUTOGEN_USE_DOCKER=False

คำสั่ง PowerShell:

 $Env:AUTOGEN_USE_DOCKER="False"

การส่งออก AUTOGEN_USE_DOCKER=False บอกให้ Pyautogen เรียกใช้งานโดยตรงบนโฮสต์แทนที่จะใช้คอนเทนเนอร์ Docker มันข้ามการพึ่งพานักเทียบท่า แต่ยังสูญเสียผลประโยชน์จากการแยกบางส่วนของ Docker

ตั้งค่าตัวแปรสภาพแวดล้อม openai_api_key = ???

คำสั่ง bash:

 export OPENAI_API_KEY=Fxxxxxxxxxxxxxxxxxxxxxxxxx

คำสั่ง PowerShell:

 $Env:OPENAI_API_KEY="xxxxxxxxxxxxxxxxxxxxxxxxx"

เรียกใช้ `app.py`

 python app.py

คำอธิบายของไฟล์รหัส

ไฟล์รหัสนี้กำหนดระบบ chatbot โดยใช้ไลบรารี Autogen และ Chromadb นี่คือการแยกแยะรหัสทีละขั้นตอน:

การนำเข้าไลบรารี

ขั้นตอนแรกคือการนำเข้าไลบรารีที่จำเป็น ในกรณีนี้เราใช้ Autogen และ Chromadb เพื่อสร้าง chatbot ที่สามารถดึงข้อมูลจากฐานข้อมูลและสร้างการตอบกลับตามรูปแบบภาษา

 import autogen
import chromadb

การกำหนดผู้ช่วย chatbot

ต่อไปเรากำหนดผู้ช่วย chatbot โดยใช้คลาส Assistantagent จาก Autogen Library คลาสนี้ใช้ชื่อการกำหนดค่าโมเดลภาษาและข้อความระบบเป็นอินพุต

 assistant = AssistantAgent (
    name = "my_assistant" ,
    llm_config = llm_config_proxy ,
    system_message = "You are a helpful assistant. Provide accurate answers based on the context. Respond 'Unsure about answer' if uncertain."
)

การกำหนดผู้ใช้

นอกจากนี้เรายังกำหนดผู้ใช้โดยใช้คลาส RetrieveUserProxyagent จากโมดูล Autogen.agentChat.Contrib คลาสนี้ใช้ชื่อ, โหมดอินพุตของมนุษย์, ข้อความระบบ, จำนวนสูงสุดของการเติมเงินอัตโนมัติติดต่อกันและการกำหนดค่าสำหรับการดึงข้อมูลจากฐานข้อมูลเป็นอินพุต

 user = RetrieveUserProxyAgent (
    name = "me_user" ,
    human_input_mode = "NEVER" ,
    system_message = "Assistant who has extra content retrieval power for solving difficult problems." ,
    max_consecutive_auto_reply = 10 ,
    retrieve_config = {
        "task" : "code" ,
        "docs_path" : [ './docs/autogen.pdf' ],
        "chunk_token_size" : 1000 ,
        "model" : config_list [ 0 ][ "model" ],
        "client" : chromadb . PersistentClient ( path = '/tmp/chromadb' ),
        "collection_name" : "pdfreader" ,
        "get_or_create" : True ,
    },
    code_execution_config = { "work_dir" : "coding" },
)

กำหนดคำถามผู้ใช้

เรากำหนดคำถามของผู้ใช้หรือพรอมต์เป็นตัวแปรสตริง

 user_question = """
Compose a short blog post showcasing how AutoGen is revolutionizing the future of Generative AI 
through the collaboration of various agents. Craft an introduction, main body, and a compelling 
conclusion. Encourage readers to share the post. Keep the post under 500 words.
"""

เริ่มการแชท

ในที่สุดเราเริ่มเซสชันการแชทระหว่างผู้ใช้และ chatbot โดยใช้วิธีการเริ่มต้นของคลาส retrieveuserproxyagent

 user . initiate_chat ( assistant , problem = user_question )

สรุป

โดยรวมแล้วไฟล์รหัสนี้กำหนดระบบ chatbot ที่สามารถตอบคำถามของผู้ใช้หรือแจ้งเตือนโดยการดึงข้อมูลจากฐานข้อมูลและสร้างการตอบกลับตามรูปแบบภาษา chatbot ยังสามารถเรียกใช้รหัสและให้คำตอบตามบริบทของคำถามของผู้ใช้