NED Admission LLM Chatbot FYP

NED University Admissions ChatBot

Der Chatbot für die Hochschulzulassung ist ein nützliches Tool zur Unterstützung und Information durch die Beantwortung allgemeiner studentischer Fragen während der Hochschulzulassung mithilfe modernster Sprachmodelle und Vektorspeicher.

Identifiziertes Problem:

Die Bearbeitung einer hohen Anzahl an Anfragen während der Hochschulzulassung kann das Personal überfordern und die Antwortzeiten erheblich verlangsamen. Viele Studierende suchen nach allgemeinen Informationen, was zu Verzögerungen führen kann, da die Mitarbeiter sich wiederholende Fragen manuell beantworten. Diese Ineffizienz belastet nicht nur die Ressourcen, sondern wirkt sich auch negativ auf das Benutzererlebnis aus. Um diesen Herausforderungen zu begegnen, entwickeln wir einen Chatbot für die Universitätszulassung, der generative KI und fortschrittliche Sprachmodelle nutzt, um sofortige und genaue Antworten zu geben, den Zulassungsprozess zu rationalisieren und die Arbeitsbelastung des Universitätspersonals zu reduzieren.

Rollen und Verantwortlichkeiten:

• Entwicklung eines Chatbots für Universitätszulassungen zur Unterstützung bei Studentenanfragen, Zulassungsprozessen und Richtlinien unter Verwendung großer Sprachmodelle und Vektorspeicher.
• Einsatz hochmoderner LLMs (Llama3, Gemini Pro, GPT-4o) und integrierte LangChain und FastAPI für Backend-Funktionalitäten, mit einem in Next.js integrierten Frontend.
• Ein Authentifizierungssystem mit Speicherung und Abruf des Chat-Verlaufs für Benutzer wurde implementiert.
• Erstellte eine FastAPI-basierte API mit robusten Endpunkten für Benutzerauthentifizierung, Chatbot-Interaktion und Administratorvorgänge, einschließlich Dateneinbettung und CRUD-Funktionen.
• Es wurde ein Dokumenteneinbettungssystem erstellt, das es Administratoren ermöglicht, Datendateien in der Vektordatenbank hinzuzufügen, zu entfernen und zu aktualisieren und so sicherzustellen, dass die Daten aktuell und korrekt sind.
• Bereitgestellte Infrastruktur mit LangChain, PineCone, AWS RDS und S3 Buckets, um Skalierbarkeit und Robustheit sicherzustellen.
• Aufbau eines benutzerfreundlichen Frontends auf Next.js mit verschiedenen Funktionen für eine einfache Benutzererfahrung.

Produktauswirkungen:

Verwandelte den Zulassungsprozess der Universität durch die effiziente Bearbeitung hoher Anfragenmengen, die Rationalisierung des Prozesses durch sofortige Antworten, die Reduzierung der Arbeitsbelastung des Personals und die Verbesserung des Rufs der Institution für technologische Innovation.

Voraussetzungen

Bevor Sie den ChatBot verwenden können, stellen Sie sicher, dass die folgenden Voraussetzungen auf Ihrem System installiert sind:

• Python 3.9 oder höher
• Erforderliche Python-Pakete (alle Pakete sind in require.txt enthalten)

Angetrieben von:

• Langkette
• Tannenzapfen
• AWS RDS- und S3-Buckets
• FastAPI

Installation

1. Klonen Sie dieses Repository auf Ihren lokalen Computer.

2. Erstellen Sie eine virtuelle Python-Umgebung (optional, aber empfohlen):

   python -m venv venv
   source venv/bin/activate  # On Windows, use: venvScriptsactivate.bat

3. Installieren Sie die erforderlichen Python-Pakete:

   pip install -r requirements.txt

4. Erstellen Sie eine .env-Datei zum Erstellen von Umgebungsvariablen.

5. Fügen Sie Ihre Google-, Groq-API- oder OpenAI-Schlüsselvariable in die Datei ein. Sie können Ihren API-Schlüssel hier erhalten

• Für Google API-Schlüssel: https://makersuite.google.com/app/apikey

• Für den Groq-API-Schlüssel: https://console.groq.com/playground

  GOOGLE_API_KEY= " Insert your google API key here "
  GROQ_API_KEY = ' Insert your Groq Api here '
  OPENAI_API_KEY = ' Insert your OpenAI Api here ' 

Führen Sie die API auf dem lokalen Server aus

1. Öffnen Sie cmd im Stammordner und schreiben Sie diesen Befehl, um den Live-Server auszuführen.

   uvicorn main:app --reload

API-Endpunkte

• /docs -> Für den Zugriff auf Swagger