Q A System for Retail Sales using Google Palm LLM
1.0.0
Bei diesem Projekt handelt es sich um eine End-to-End-Implementierung eines Frage-und-Antwort-Systems in natürlicher Sprache, das es Filialleitern ermöglicht, mithilfe von Abfragen in natürlicher Sprache mit Einzelhandelsverkaufsdaten zu interagieren. Das System nutzt die Leistungsfähigkeit von Google PaLM, LangChain und MySQL, um Benutzerfragen in SQL-Abfragen umzuwandeln, diese auszuführen und aussagekräftige Ergebnisse zurückzugeben.
Abfragen in natürlicher Sprache wie:
Q1. Wie viele weiße Adidas-T-Shirts haben wir noch auf Lager?
F2: Wie viel Umsatz wird unser Shop generieren, wenn wir alle T-Shirts in Extra-Small-Größen nach der Anwendung von Rabatten verkaufen können? Das System ist intelligent genug, um genaue Abfragen für bestimmte Fragen zu generieren und diese in der MySQL-Datenbank auszuführen
Ich baue ein LLM-basiertes Frage- und Antwortsystem, das Folgendes verwendet: 1. Google Palm LLM
2. Umarmende Gesichtseinbettungen
3.Streamlit für die Benutzeroberfläche
4. Langchain-Framework
5.Chromadb als Vektorspeicher
6.Wenige Shot-Lernen
In der Benutzeroberfläche können Sie Fragen in natürlicher Sprache stellen und erhalten dann Antworten
Wie viele T-Shirts sind insgesamt noch auf Lager?
Wie viele T-Shirts haben wir noch für Nike in XS-Größe und weißer Farbe?
Wie hoch ist der Gesamtpreis für den Lagerbestand aller T-Shirts in Größe S?
Wie viel Umsatz wird erzielt, wenn wir heute alle Adidas-Shirts in kleinen Größen nach Abzug von Rabatten verkaufen?
main.py: Das Hauptskript der Streamlit-Anwendung.
langchain_helper.py: Hier ist der gesamte Langchain-Code enthalten
Anforderungen.txt: Eine Liste der erforderlichen Python-Pakete für das Projekt.
