หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

เศษผ้าขี้ริ้ว

เฟรมเวิร์ก Python ในการใช้งาน Retrieval-Augmented Generation (RAG) โดยใช้ฐานข้อมูลร้านค้าเวกเตอร์ เฟรมเวิร์กนี้ใช้ที่เก็บเวกเตอร์-ร้านค้าเพื่อจัดเก็บและดึงข้อมูลการฝังเพื่อการใช้งาน RAG ที่มีประสิทธิภาพ

โครงสร้าง

  • Main.py - กรอบงานท่อ RAG หลักการประมวลผลอินพุตและเตรียมการไหลของผ้าขี้ริ้ว
  • LLM.PY - โมดูลที่เชื่อมต่อกับ Google Gemini API โดยจำลองรูปแบบภาษาขนาดใหญ่ (LLM) สำหรับการสร้างการตอบสนอง
  • get_embedding.py - สคริปต์สำหรับการสร้าง embeddings จากไฟล์ .txt โดยใช้โมเดล SentenceTransformer
  • comm-vectorstore.py - โมดูลการสื่อสารที่อัพโหลดฝังตัวไปยังที่เก็บเวกเตอร์สำหรับการจัดเก็บและการดึงข้อมูล

การใช้งาน

  1. โคลนพื้นที่เก็บข้อมูลเวกเตอร์และตั้งค่าตามคำแนะนำ
  2. กำหนดค่า main.py และ get_embedding.py เพื่อใช้ฐานข้อมูลร้านค้าเวกเตอร์ของคุณ
  3. เรียกใช้ main.py เพื่อเรียกใช้งานท่อส่ง RAG ด้วยข้อความอินพุตใด ๆ

ความต้องการ

  • Python 3.x
  • ประโยค - transformers - สำหรับการสร้างการฝังข้อความ
  • NLTK - สำหรับประโยคโทเค็น
  • ข้อมูลรับรอง Google Gemini API สำหรับ llm.py (หรือ LLM API ที่เข้ากันได้ใด ๆ สำหรับการอนุมาน)

การติดตั้ง 

pip install -r requirements.txt
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด