Mans_Search_For_Meaning_LangChain

男人寻找意义

对生命意义的追求是人类生存的基本障碍之一。这是一个复杂的主题，无法通过单个数据项目轻松解决。尽管如此，即使它没有为深刻的哲学难题提供明确的答案，但它仍然可以揭示有意义的见解。

该项目着重于维克多·弗兰克（Viktor Frankl）的一本书《人类的搜索意义》。

问题

尽管以其信息保留（源自对话性质）而闻名，但所有LLM都具有特定的令牌限制。当达到此限制时，丢失了先前获得的数据的上下文。这样可以防止大型语言模型立即理解整本书，并跟踪大部分文本的信息。

项目大纲

绕过令牌限制的问题：

1. 一本224页的书分为391个零件（使用兰班）。
2. 每个部分（每个文本）转换为OpenAI矢量嵌入，并存储在Pinecone数据库中。
3. 用户提供了一个问题（查询）。
4. 查询被转换为OpenAI嵌入。
5. Pinecone计算了查询和每个书籍部分之间的相似性分数。
6. 仅返回相关（最相似）的零件作为输出。
7. 然后，OpenAI GPT-3.5模型将此输出与原始查询一起使用，以回答用户所述的问题。

大纲的模式与一些基本数据库信息一起在下面介绍。

项目模式

数据库信息 - 架构＃1

POD类型：P1-更快的查询| chunk_size = 1000 | chunk_overlap = 0

数据库信息 - 架构＃2

POD类型：P2-最低延迟和最高吞吐量| chunk_size = 1200 | chunk_overlap = 80