ContextDB

IA：为您的提示创建上下文数据库

我将向您展示如何开发系统，以优化使用上下文数据库中人工智能应用程序中提示的使用。该项目使用Python ，DuckDB，Langchain等技术。它突出使用DuckDB作为矢量数据库，这有助于有效地管理大型数据量，而Langchain库则集成以探索Chatgpt-3.5或更高语言模型的功能。

通过这种集成，该项目结合了诸如嵌入和续航力的生成（RAG）之类的先进技术，展示了所涵盖的理论概念的实用且复杂的应用。这种工具和技术的组合不仅提高了AI应用程序的准确性和效率，而且还例证了很少射击提示的实践，其中提示了一些示例，这些示例有助于更好地了解所要求的内容。

视频演示

要求

应用程序部署

克隆存储库：

git clone https://github.com/Renatoelho/ContextDB.git contextDB

准备环境：

• 访问克隆目录

 cd contextDB/app/

• 创建虚拟环境

python3 -m venv .venv

• 激活虚拟环境

 source .venv/bin/activate

• 安装依赖项

pip install pip setuptools wheel && pip install -r requirements.txt

重要：使用OpenAI的访问令牌更新.ENV文件，并在OpenAI开发人员平台上具有积分https://platform.openai.com/。

• 测试应用程序

python3 ./app.py

注意：要使用其他消息测试应用程序，只需更改app.py文件中的代金券atendimento的文本即可。

参考

Carraro，Fabricio。人工智能和CHATGPT：从生成AI模型的革命到促进工程。 1。Ed。 Sao Paulo：Casa Do Code Publisher，2023年。

Python DB API， DuckDB。可在以下网址找到：https：//duckdb.org/docs/api/python/dbapi。访问：2024年4月22日。

什么是抹布？， aws。可在以下网址找到：https：//aws.amazon.com/en/what-i/retieval-ugmented-generation/。访问：2024年4月22日。

单词嵌入：使计算机理解单词的含义 - 非常重要的NLP概念的介绍：嵌入和word2vec，媒介。可在以下网址获得：https：//medium.com/turing-talks/word-empedding-fing-fo-fo-computer-nefing-da-da-das-lavras-92f2745057。访问：2024年4月22日。

langchain_community.vectors.duckdb.duckdb， api python langchain。可在以下网址获得：https：//api.python.langchain.com/en/latest/vectors/langchain_community.vectors.duckdb.html。访问：2024年4月22日。

langchain_community.embeddings.openai.openaieembeddings， openieeemeembeddings。可在以下网址获得：https：//api.python.langchain.com/en/latest/embeddings/langchain_community.embeddings.openai.openeeembedings.html#langchain-community-community-community-openai-openai-oppedings。访问：2024年4月22日。