Custom Question Answering Chatbot using Langchain and Gemini AI

使用Langchain和Gemini LLM回答聊天机器人的自定义问题

• 介绍
• 项目概述
• 使用的工具
• 入门
• 截屏
• 用例
• 未来的改进
• 贡献者
• 执照

介绍

该项目使用Langchain和Google Gemini语言模型（LLM）实现了一个自定义问题，可以回答聊天机器人。聊天机器人经过从在线学习平台上进行工业数据培训，其中包括问题和相应的答案。

项目概述

项目工作流程涉及以下步骤：

1. 数据微调：Google Gemini LLM对工业数据进行了微调，以确保模型可以根据提供的上下文准确回答问题。

2. 嵌入和矢量数据库：huggingface句子嵌入被用来将问题和答案转换为向量存储在矢量数据库中的向量。

3. 检索器实现：开发了一个猎犬组件，以根据用户查询从矢量数据库中检索相似的向量。

4. 与Langchain retivalQA链的集成：使用Langchain retivalQA链将组件集成到链中，该链会处理传入的查询并检索相关的答案。

5. 用户界面：简化用于创建一个简单的用户界面，使用户可以输入他们的问题并从聊天机器人那里接收答案。

使用的工具

• Google Gemini LLM：用工业数据微调的语言模型。
• 拥抱面：用于句子嵌入的库。
• Langchain：构建对话AI系统的框架。
• 简化：用于构建基于Web的用户界面的库。

入门

要在本地运行该项目，请按照以下步骤：

1. 将存储库克隆到您的本地计算机。
2. 安装requirements.txt文件中列出的必要依赖项。
3. 通过在您的终端中执行streamlit run app.py来运行简化应用程序。

截屏

用例

回答聊天机器人的自定义问题有各种目的，包括：

• 对与工业数据所涵盖的主题相关的用户查询提供快速准确的响应。
• 通过提供即时帮助来增强在线学习平台上的用户体验。
• 通过将回答自动化对常见问题的回答来简化客户支持流程。

未来的改进

• 合并其他预处理技术，以处理更广泛的用户查询。
• 实施高级语言模型以进行更准确的响应。
• 使用其他功能增强用户界面，以获得更好的用户体验。

贡献者

• Abhijit Maharana

执照

该项目已根据MIT许可获得许可。