Custom Question Answering Chatbot using Langchain and Gemini AI

使用Langchain和Gemini LLM回答聊天機器人的自定義問題

• 介紹
• 項目概述
• 使用的工具
• 入門
• 螢幕截圖
• 用例
• 未來的改進
• 貢獻者
• 執照

介紹

該項目使用Langchain和Google Gemini語言模型（LLM）實現了一個自定義問題，可以回答聊天機器人。聊天機器人經過從在線學習平台上進行工業數據培訓，其中包括問題和相應的答案。

項目概述

項目工作流程涉及以下步驟：

1. 數據微調：Google Gemini LLM對工業數據進行了微調，以確保模型可以根據提供的上下文準確回答問題。

2. 嵌入和矢量數據庫：huggingface句子嵌入被用來將問題和答案轉換為向量存儲在矢量數據庫中的向量。

3. 檢索器實現：開發了一個獵犬組件，以根據用戶查詢從矢量數據庫中檢索相似的向量。

4. 與Langchain retivalQA鏈的集成：使用Langchain retivalQA鏈將組件集成到鏈中，該鏈會處理傳入的查詢並檢索相關的答案。

5. 用戶界面：簡化用於創建一個簡單的用戶界面，使用戶可以輸入他們的問題並從聊天機器人那裡接收答案。

使用的工具

• Google Gemini LLM：用工業數據微調的語言模型。
• 擁抱面：用於句子嵌入的庫。
• Langchain：構建對話AI系統的框架。
• 簡化：用於構建基於Web的用戶界面的庫。

入門

要在本地運行該項目，請按照以下步驟：

1. 將存儲庫克隆到您的本地計算機。
2. 安裝requirements.txt文件中列出的必要依賴項。
3. 通過在您的終端中執行streamlit run app.py來運行簡化應用程序。

螢幕截圖

用例

回答聊天機器人的自定義問題有各種目的，包括：

• 對與工業數據所涵蓋的主題相關的用戶查詢提供快速準確的響應。
• 通過提供即時幫助來增強在線學習平台上的用戶體驗。
• 通過將回答自動化對常見問題的回答來簡化客戶支持流程。

未來的改進

• 合併其他預處理技術，以處理更廣泛的用戶查詢。
• 實施高級語言模型以進行更準確的響應。
• 使用其他功能增強用戶界面，以獲得更好的用戶體驗。

貢獻者

• Abhijit Maharana

執照

該項目已根據MIT許可獲得許可。