หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

ผ้าขี้ริ้ว-ความรู้-ฐานการจัดการ

RAG (Retrieval-Augmented Generation) แอพที่รวมเข้ากับผู้ช่วยเสียงและระบบการจัดการฐานความรู้

สารบัญ

  • การแนะนำ
  • ดูตัวอย่าง
  • การปรับใช้
  • เทคโนโลยี
    • คนขี้เกียจ
    • รุ่น Openai
    • ร้านค้าเวกเตอร์ Deeplake
    • apify
    • มีแสงสว่าง
  • การติดตั้งและการใช้งานในพื้นที่
  • คีย์ API
  • ใบอนุญาต
  • การอ้างอิง

การแนะนำ

แอปพลิเคชั่นนี้รวมโมเดล RAG (Generation-Augmented Retrieval-Augmented) เข้ากับผู้ช่วยด้วยเสียงช่วยให้ผู้ใช้สามารถโต้ตอบกับระบบผ่านการป้อนเสียงหรือข้อความ นอกจากนี้ยังมีระบบการจัดการฐานความรู้ทำให้ผู้ใช้สามารถเพิ่มดูและลบเอกสารที่ใช้โดยโมเดล RAG ผ่าน URL

ดูตัวอย่าง

Rag-with-Knowledge-Base-Management-720.MP4

การปรับใช้

แอปพลิเคชันถูกปรับใช้ในการแชร์ Streamlit และสามารถเข้าถึงได้ที่ URL ต่อไปนี้:

  • https://rag-with-knowledge-base-management.streamlit.app

เทคโนโลยี

คนขี้เกียจ

Langchain เป็นเฟรมเวิร์กที่ออกแบบมาสำหรับการสร้างแอพพลิเคชั่นที่ใช้ประโยชน์จากแบบจำลองภาษา มันมีเครื่องมือสำหรับการเชื่อมต่อแบบจำลองภาษากับแหล่งข้อมูลภายนอกทำให้สามารถโต้ตอบที่ซับซ้อนและบริบทได้มากขึ้น

รุ่น Openai

แอปพลิเคชันใช้โมเดล OpenAI หลายรุ่นเพื่อให้ความสามารถในการสนทนาและการดึงเอกสาร:

  • รูปแบบการแชท ( ค่าเริ่มต้น: gpt-3.5-turbo ) เพื่อสร้างการตอบกลับตามแบบสอบถามของผู้ใช้และบริบทการสนทนาก่อนหน้า
  • Whisper API ( ค่าเริ่มต้น: whisper-1 ) สำหรับการรู้จำเสียงพูดอัตโนมัติเพื่อถอดความอินพุตเสียงจากผู้ใช้

นอกจากนี้ Cohere Re-Ranker ( ค่าเริ่มต้น: rerank-english-v2.0 ) เพื่อปรับปรุงความเกี่ยวข้องของเอกสารที่ดึงมาโดยจัดอันดับใหม่ตามความเกี่ยวข้องกับการสืบค้น

ร้านค้าเวกเตอร์ Deeplake

Deeplake ใช้เป็นร้านค้าเวกเตอร์เพื่อจัดเก็บและดึงข้อมูลเอกสาร มันอำนวยความสะดวกในการค้นหาความคล้ายคลึงกันที่มีประสิทธิภาพและการดึงเอกสารที่เกี่ยวข้องจากฐานความรู้

apify

APIFY เป็นแพลตฟอร์มการขูดเว็บและระบบอัตโนมัติที่อนุญาตให้ทำการแยกข้อมูลออกจากเว็บไซต์ มันถูกใช้เพื่อขูดเอกสารจาก URL ที่ได้รับจากผู้ใช้และจัดเก็บไว้ในฐานความรู้

มีแสงสว่าง

Streamlit เป็นเฟรมเวิร์กแอพโอเพนซอร์ซที่ช่วยให้สามารถสร้างเว็บแอปพลิเคชันที่กำหนดเองสำหรับการเรียนรู้ของเครื่องและโครงการวิทยาศาสตร์ข้อมูลด้วยความพยายามน้อยที่สุด มันถูกใช้ที่นี่เพื่อสร้างส่วนต่อประสานผู้ใช้ของแอปพลิเคชัน

การติดตั้งและการใช้งานในพื้นที่

ในการติดตั้งแอปพลิเคชันในเครื่องคุณจะต้องติดตั้ง Docker บนเครื่องของคุณ จากนั้นเรียกใช้คำสั่งต่อไปนี้:

  1. สร้างภาพนักเทียบท่า: 
docker build -t rag-with-knowledge-base-management .
  1. เรียกใช้คอนเทนเนอร์ Docker: 
docker run -p 8501:8501 rag-with-knowledge-base-management

ตอนนี้แอปพลิเคชันควรเข้าถึงได้ที่ http: // localhost: 8501

คีย์ API

โปรดตรวจสอบให้แน่ใจว่าได้เพิ่มปุ่ม API ของคุณลงในไฟล์ .env ก่อนที่จะเรียกใช้แอปพลิเคชัน คีย์ต่อไปนี้ภายใน .env.example ต้องกรอกใน:

  • OPENAI_API_KEY - คีย์ openai api
  • COHERE_API_KEY - คีย์ API Cohere
  • APIFY_API_TOKEN - โทเค็น APIFY API
  • ACTIVELOOP_TOKEN - Token Activeloop API
  • ACTIVELOOP_ORG_ID - รหัสองค์กร ActivEloop

ใบอนุญาต

แจกจ่ายภายใต้ใบอนุญาต Apache 2.0 โอเพนซอร์ซ ดู LICENSE สำหรับข้อมูลเพิ่มเติม

การอ้างอิง

การติดตามที่เก็บมีประโยชน์ในการสร้างโครงการนี้:

  • https://github.com/peterw/jarvisbase
  • https://github.com/gustavz/datachad
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด