Amazon OpenSearch- und LangChain-Demos

Bevor Sie beginnen

Stellen Sie sicher, dass Python und Streamlit installiert sind.
Klonen Sie dieses Repo

Richten Sie Amazon OpenSearch ein

Erstellen Sie eine Amazon OpenSearch Serverless-Sammlung (geben Sie Vector search ein und wählen Sie die Option „Easy create“ ) – Dokumentation.

Erstellen Sie einen Index mit der folgenden Konfiguration:

Laden Sie Daten in OpenSearch

Laden Sie den Amazon-Aktionärsbrief 2022 herunter und platzieren Sie ihn im selben Verzeichnis.

Erstellen Sie eine .env Datei und geben Sie die folgenden Informationen zu Ihrem Amazon OpenSearch-Setup an:

opensearch_index_name= '  '
opensearch_url= '  '
engine= ' faiss '
vector_field= ' vector_field '
text_field= ' text '
metadata_field= ' metadata '

Stellen Sie sicher, dass Sie Amazon Bedrock für den Zugriff von Ihrem lokalen Computer aus konfiguriert haben. Außerdem benötigen Sie Zugriff auf das Einbettungsmodell amazon.titan-embed-text-v1 und das Modell anthropic.claude-v2 in Amazon Bedrock – befolgen Sie diese Anweisungen für Details.

PDF-Daten laden:

python3 -m venv myenv
source myenv/bin/activate
pip3 install -r requirements.txt

python3 load.py

Überprüfen Sie die Daten in der OpenSearch-Sammlung

Führen Sie die App „Semantische Suche“ aus

streamlit run app_semantic_search.py --server.port 8080

Sie können Fragen stellen, wie zum Beispiel:

What is Amazon ' s doing in the field of generative AI?
What were the key challenges Amazon faced in 2022?
What were some of the important investments and initiatives mentioned in the letter?

Führen Sie die RAG-Anwendung aus

In einem anderen Terminal:

 source myenv/bin/activate
streamlit run app_rag.py --server.port 8081

Sie können Fragen stellen, wie zum Beispiel:

What is Amazon ' s doing in the field of generative AI?
What were the key challenges Amazon faced in 2022?
What were some of the important investments and initiatives mentioned in the letter?