Build RAGAI下載 - Build RAGAI源代碼下載

Build RAGAI

三方組件

1.0.0

下載

Build Ragai

描述

該項目旨在教您如何通過使用Langchain和Transformers庫來構建具有生成AI功能的Python應用程序。

雖然有OpenAI的部分，但以前存在的大多數代碼已與Langchain或Transformers庫集成並集成在一起。該項目包括代碼片段，包裝示例和jupyter筆記本，您可以分別增加，複製或學習。

如果您不熟悉構建AI驅動的應用程序，我建議您首先在Langchain筆記本中播放和執行代碼。看到行動中的代碼，自己編輯並創造性地集思廣益是學習的最佳方法。

代碼片段：在這裡，您會發現可插入的Python組件。
- BufferWindow_Memory.py：可以在蘭班對話中使用的簡單內存組件。
- chatopenai.py：一個簡單的LLM組件，可用於返回聊天消息。
- MULTI_QUERYVECTOR_RETRIEVAL.PY：結合了多Querying和多向量檢索功能的高級回收型組件。
筆記本：在這裡，您會找到Jupyter筆記本電腦，以指導您使用許多不同的Langchain課程。
- 合併Dataloader：了解如何通過MergedDataLoader嵌入和查詢多個數據源。在此筆記本中，我們將學習如何克隆github存儲庫和刮擦Web文檔，然後再將其嵌入到矢量站中，然後將其用作檢索器。到最後，您應該舒適使用自己的抹布項目中的任何來源作為上下文。
- 自定義工具：學習如何在Langchain代理中創建和使用自定義工具。
- 圖像生成和字幕 +視頻生成：學會創建一個代理，該代理會根據您的提示選擇哪種生成工具。此示例首先是代理在完善用戶提示後生成圖像。
- Langsmith演練：了解如何使用Langsmith的跟踪並從Langsmith Hub開始提示。
- 檢索增強一代：從檢索增強一代開始，以提高LLM的性能。
- MongoDB抹布：對MongoDB進行相似性搜索，元數據過濾和提問。
- Pinecone和Chromadb：與兩家不同的矢量商店進行檢索增強一代的更基本但徹底的演練。
- Faiss和HuggingFaceHub：學習如何使用Faiss索引與HuggingFaceHub嵌入方式進行相似性搜索。此示例是一個私密友好的選項，因為一切都在本地運行。不需要GPU！
- 可運行的和鏈（Langchain Expression語言）：了解Langchain中的可運行和鏈的差異以及如何使用。在這裡，您將深入研究他們的細節。
盡頭示例：在這裡，您會發現為開箱即用的腳本。
- 用代理商的抹布：學習將代理用於抹布。
  - 簡化聊天機器人：使用OpenAI的簡單簡化聊天機器人。
  - 目錄加載程序：使用DirectoryLoader類加載文件進行查詢。
  - PYPDF Directory Loader：使用PypdfDirectoryLoader類加載文件進行查詢。
  - Facebook AI相似性搜索：使用FacebookAISimilaritySearch類加載文件進行查詢。
  - 矢量店抹布：學習如何在蘭班鏈中使用矢量店。
  - Pinecone：使用Pinecone Vector數據庫“索引”作為獵犬，並與您的文檔聊天。

Openai：

代碼片段：在這裡，您將使用OpenAI Python庫找到代碼片段。
- 文字到語音：使用Whisper API從文本中產生語音。
筆記本：在這裡，您會找到jupyter筆記本，向您展示如何使用Openai Python庫。
- 檢索增強一代：從檢索增強生成和松果開始，以提高LLM的性能。

變形金剛：

代碼片段：在這裡，您將使用Transformers Python庫找到代碼片段。
- Dolphin Mixtral：一個簡單的功能，可以使用pipeline生成文本。
筆記本：在這裡，您會找到Jupyter筆記本電腦，向您展示如何使用Transformers Python庫。
- 自動語音識別：在Gradio演示中使用Whisper-V3轉錄語音。
軟件包：在這裡您會找到CLI應用程序。
- 音頻轉錄：
  - 片刻轉錄：使用麥克風轉錄音頻。
  - 任務創建：基於轉錄的音頻生成任務。
- 加速訓練：使用加速序列分類模型，使事情變得更快。

入門

安裝

本地代碼執行和測試

該項目是使用PDM開發的。您可以使用pip安裝PDM：

首先導航到該項目的根目錄，然後運行：

pip install -U pdm

然後，您需要使用PDM安裝依賴項：

pdm install

此命令將在.venv中創建虛擬環境，並在該環境中安裝依賴項。如果您使用MacOS或Linux，則可以運行source .venv/bin/activate以激活環境。否則，您可以運行命令.venv/Scripts/activate或.venv/Scripts/activate.ps1以激活環境。

通過使用虛擬環境，我們避免污染我們的全球Python環境。

一旦設置了虛擬環境，我們就需要選擇它作為Jupyter筆記本的內核。如果您在VSCODE中，則可以在筆記本右上方執行此操作。如果您使用的是其他IDE，則需要在線尋找設置幫助。

選擇內核時，請確保您選擇位於.venv目錄內部的內核，而不是全局Python環境。