Custom Question Answering Chatbot using Langchain and Gemini AI

คำถามที่กำหนดเองตอบ Chatbot โดยใช้ Langchain และ Gemini LLM

• การแนะนำ
• ภาพรวมโครงการ
• เครื่องมือที่ใช้
• เริ่มต้น
• ภาพหน้าจอ
• ใช้เคส
• การปรับปรุงในอนาคต
• ผู้มีส่วนร่วม
• ใบอนุญาต

การแนะนำ

โครงการนี้ใช้คำถามที่กำหนดเองตอบ Chatbot โดยใช้ Langchain และ Google Gemini Language Model (LLM) chatbot ได้รับการฝึกอบรมเกี่ยวกับข้อมูลอุตสาหกรรมจากแพลตฟอร์มการเรียนรู้ออนไลน์ซึ่งประกอบด้วยคำถามและคำตอบที่เกี่ยวข้อง

ภาพรวมโครงการ

เวิร์กโฟลว์โครงการเกี่ยวข้องกับขั้นตอนต่อไปนี้:

1. การปรับแต่งข้อมูล : Google Gemini LLM ได้รับการปรับแต่งด้วยข้อมูลอุตสาหกรรมเพื่อให้มั่นใจว่าแบบจำลองสามารถตอบคำถามได้อย่างถูกต้องตามบริบทที่ให้ไว้

2. การฝังฐานข้อมูลและเวกเตอร์ : การฝังประโยคการฝังจะใช้เพื่อแปลงคำถามและคำตอบเป็นเวกเตอร์ซึ่งเก็บไว้ในฐานข้อมูลเวกเตอร์

3. การใช้งาน Retriever : ส่วนประกอบ Retriever ได้รับการพัฒนาเพื่อดึงเวกเตอร์ที่ดูคล้ายกันจากฐานข้อมูลเวกเตอร์ตามแบบสอบถามของผู้ใช้

4. การรวมเข้ากับ Langchain Retrivalqa Chain : ส่วนประกอบถูกรวมเข้ากับห่วงโซ่โดยใช้ Langchain Retrivalqa Chain ซึ่งประมวลผลการสืบค้นที่เข้ามาและดึงคำตอบที่เกี่ยวข้อง

5. ส่วนต่อประสานผู้ใช้ : StreamLit ใช้เพื่อสร้างส่วนต่อประสานผู้ใช้อย่างง่ายช่วยให้ผู้ใช้สามารถป้อนคำถามและรับคำตอบจาก chatbot

เครื่องมือที่ใช้

• Google Gemini LLM: โมเดลภาษาปรับแต่งด้วยข้อมูลอุตสาหกรรม
• HuggingFace: ห้องสมุดที่ใช้สำหรับการฝังประโยค
• Langchain: กรอบสำหรับการสร้างระบบ AI การสนทนา
• Streamlit: ไลบรารีสำหรับการสร้างส่วนต่อประสานผู้ใช้บนเว็บ

เริ่มต้น

ในการเรียกใช้โครงการในพื้นที่ให้ทำตามขั้นตอนเหล่านี้:

1. โคลนพื้นที่เก็บข้อมูลไปยังเครื่องในพื้นที่ของคุณ
2. ติดตั้งการพึ่งพาที่จำเป็นในไฟล์ requirements.txt . txt
3. เรียกใช้แอปพลิเคชัน StreamLit โดยดำเนินการ streamlit run app.py ในเทอร์มินัลของคุณ

ภาพหน้าจอ

ใช้เคส

คำถามที่กำหนดเองตอบ Chatbot มีวัตถุประสงค์ต่าง ๆ รวมถึง:

• ให้การตอบสนองที่รวดเร็วและแม่นยำสำหรับการสอบถามผู้ใช้ที่เกี่ยวข้องกับหัวข้อที่ครอบคลุมโดยข้อมูลอุตสาหกรรม
• เพิ่มประสบการณ์ผู้ใช้บนแพลตฟอร์มการเรียนรู้ออนไลน์โดยให้ความช่วยเหลือทันที
• ปรับปรุงกระบวนการสนับสนุนลูกค้าโดยอัตโนมัติโดยตอบคำถามที่พบบ่อย

การปรับปรุงในอนาคต

• รวมเทคนิคการประมวลผลล่วงหน้าเพิ่มเติมเพื่อจัดการกับการสืบค้นผู้ใช้ที่หลากหลาย
• ใช้แบบจำลองภาษาขั้นสูงเพื่อการตอบสนองที่แม่นยำยิ่งขึ้น
• ปรับปรุงอินเทอร์เฟซผู้ใช้พร้อมคุณสมบัติเพิ่มเติมสำหรับประสบการณ์ผู้ใช้ที่ดีขึ้น

ผู้มีส่วนร่วม

• Abhijit Maharana

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT