LLM_NER_and_Branching_Hybrid_Search_Chatbot下载LLM_NER_and_Branching_Hybrid_Search

LLM_NER_and_Branching_Hybrid_Search_Chatbot

其他源码

1.0.0

下载

ner and Hybrid-search-ai-chatbot

使用LLM和Vector数据库的指定实现识别和关系映射的示例。混合搜索聊天机器人以利用提取的关系。

混合搜索将同时搜索源实体和目标实体，从而使搜索能力比传统抹布更好。这种方法允许相关的记忆可能没有相同的隐式语义含义。此处使用的方法是一个简单的版本，但是可以使用持续的嵌套方法以额外的上下文长度为代价。

最初是为我的Aetherius AI助手项目的解决方案而制作的，但是我永远无法与较小的LLM可靠地工作。

主要AI助理项目：https：//github.com/libraryofcelsus/aetherius_ai_assistant

向量数据库：https：//github.com/qdrant/qdrant

ChangElog

2/19更改了PDF阅读以使用Tesseract
2/18添加了CSV输出

安装

安装Python 3.10.6，确保将其添加到路径：https：//www.python.org/downloads/release/python-3106/
安装git：https：//git-scm.com/（可以通过在“绿色代码”按钮下以zip文件下载回购来跳过git）
安装用于OCR的Tesseract：https：//github.com/ub-mannheim/tesseract/wiki安装后，安装后，将“ Tesseract-ocr”文件夹从程序文件复制到主项目文件夹。替代性您还可以在初始安装时在项目文件夹中将其直接安装到名为“ Tesseract-OR”的文件夹中。
如果使用QDRANT云将其API密钥和URL复制到设置中的各自键。 qdrant云：https：//qdrant.to/cloud
要使用本地QDRANT服务器，请首先安装Docker：https：//www.docker.com/
现在运行：Docker Pull Qdrant/QDrant：v1.5.1在CMD中
下一个运行：Docker Run -P 6333：6333 QDRANT/QDRANT：V1.5.1
一旦运行本地QDRANT服务器，应由聊天机器人自动检测到它。（请参阅：https：//docs.docker.com/desktop/backup-and-restore/有关如何进行备份。）
打开CMD作为管理员
运行git克隆： git克隆https://github.com/libraryofcelsus/ner-and-hybrid-search-ai-chatbot.git
导航到项目文件夹：CD PATH_TO_CHATBOT_INSTALL
创建虚拟环境：Python -M Venv Venv
激活环境：。 venv scripts 激活
安装所需的软件包：PIP install -R Euncess.txt
在“ settings.json”中编辑设置
运行“ hybrid_search_example.py”以使用聊天机器人。运行“ extract_relation_from_file.py”以从上传文件夹中提取关系。