Dieses Projekt implementiert ein End-to-End-Sprachmodellsystem (LLM), das mit einer MySQL-Datenbank interagieren kann. Benutzer können Fragen in natürlicher Sprache stellen, und das System generiert Antworten, indem es diese Fragen in SQL-Abfragen umwandelt und sie in der MySQL-Datenbank ausführt.
Das System ist für die Verarbeitung von Abfragen im Zusammenhang mit Einzelhandelsinventar-, Verkaufs- und Rabattdaten konzipiert, die in einer MySQL-Datenbank gespeichert sind. Es kann Fragen beantworten wie:
genai_retail_industry_project
┣ database
┃ ┗ create_db.sql
┣ exp
┃ ┗ testing.ipynb
┣ src
┃ ┣ __pycache__
┃ ┃ ┣ __init__.cpython-310.pyc
┃ ┃ ┣ langchain_sql.cpython-310.pyc
┃ ┃ ┗ utils.cpython-310.pyc
┃ ┣ __init__.py
┃ ┣ langchain_sql.py
┃ ┗ utils.py
┣ README.md
┣ app.py
┗ requirements.txt
Klonen Sie dieses Repository auf Ihren lokalen Computer:
git clone https://github.com/yourusername/genai_retail_industry_project.git
Navigieren Sie zum Projektverzeichnis:
cd genai_retail_industry_project
Installieren Sie die erforderlichen Abhängigkeiten:
pip install -r requirements.txt
Erstellen Sie eine .env
Datei im Stammverzeichnis und fügen Sie Ihren Google API-Schlüssel hinzu:
GOOGLE_API_KEY="your_api_key_here"
Führen Sie die Streamlit-App aus:
streamlit run app.py
In Ihrem Browser öffnet sich die Web-App, in der Sie Fragen zu den Einzelhandelsdaten stellen können.
Dieses Projekt ist unter der MIT-Lizenz lizenziert.
Dieses Projekt wurde als Lernübung zur Anwendung großer Sprachmodelle (LLM) in der Einzelhandelsbranche entwickelt, die insbesondere mit SQL-Datenbanken interagiert. Besonderer Dank geht an die Open-Source-Community für die Bereitstellung der Tools und Bibliotheken, die dies ermöglicht haben.