llm_openai_notebook

LLM OpenAI笔记本

该存储库包含jupyter笔记本电脑，用于探索和利用OpenAI的大型语言模型（LLMS）用于各种应用程序，包括聊天机器人，检索演出的生成，文本生成，及时工程和矢量嵌入。这些笔记本提供了一个全面的工具包，用于在不同情况下与OpenAI模型合作。

存储库结构

• OpenAi-Chat.ipynb ：使用OpenAI模型演示了聊天机器人的设置，重点是对话互动和响应生成。
• Openai-rag.ipynb ：实现检索功能的生成（RAG），将相关数据的检索与OpenAI模型响应结合在一起，以获取上下文感知的答案。
• OpenAi-TextGen.ipynb ：使用OpenAI模型专注于文本生成，适用于创意写作，内容创建和信息丰富的文本输出。
• OpenAI_PROMPTING.IPYNB ：提供有效及时工程的方法和技术，展示如何优化提示以指导模型行为。
• OpenAi_Reference_rag.ipynb ：一本关于检索功能生成的高级笔记本，其中包括参考材料集成以进行高度准确的响应。
• OpenAI_VECTOR_EMB.IPYNB ：探索具有OpenAI模型的向量嵌入，展示了如何在自然语言处理中使用嵌入方式进行相似性搜索，聚类和其他应用程序。

入门

先决条件

要运行这些笔记本，您将需要：

• Python 3.8+
• Jupyter笔记本
• requirements.txt中列出的依赖项.txt

安装

1. 克隆存储库：

   git clone https://github.com/simonpierreboucher/llm_openai_notebook.git
   cd llm_openai_notebook

2. 安装依赖项：

   pip install -r requirements.txt

运行笔记本

1. 启动Jupyter笔记本：通过导航到存储库文件夹并运行：

   jupyter notebook

2. 选择笔记本：打开任何笔记本以探索诸如聊天，抹布或文本生成之类的功能。
3. 遵循说明：每个笔记本都包含在相应应用程序中与OpenAI模型进行交互的说明和步骤。

用例

• 聊天机器人开发：使用OPENAI-CHAT.ipynb和OPENAI_PROMPTING.ipynb ，您可以创建和优化对话代理。
• 信息检索：使用OPENAI-RAG.ipynb和OPENAI_REFERENCE_RAG.ipynb进行需要准确的，源响应的应用程序。
• 内容创建： OPENAI-TEXTGEN.ipynb提供了生成创意或信息内容的工具。
• 嵌入和相似性搜索： OPENAI_VECTOR_EMB.ipynb是涉及相似性匹配，聚类等的NLP任务的理想选择。

贡献

我们欢迎捐款！随意提交问题或拉出请求以增强功能，添加功能或修复错误。

执照

该存储库是根据MIT许可证获得许可的。