webwhiz

webwhiz

Trainieren Sie ChatGPT anhand Ihrer Website-Daten und erstellen Sie einen KI-Chatbot, der die Fragen Ihrer Kunden sofort beantworten kann.

webwhiz " style="max-width: 100%;">

Kernfunktionen

• Einfache Integration
• Datenspezifische Antworten
• Regelmäßige Datenaktualisierungen
• Kein Code-Builder
• Chatbot anpassen
• Feinabstimmung
• Offline-Nachricht

? Wie es funktioniert❓

Erstellen und trainieren Sie in nur wenigen einfachen Schritten einen Chatbot für Ihre Website.

• Geben Sie einfach die URL Ihrer Website ein, um loszulegen. Wir rufen automatisch Trainingsdaten ab und bereiten sie vor.
• Wir trainieren ChatGPT automatisch auf Ihrer Website anhand der ausgewählten Parameter und erstellen den Chatbot für Sie.
• Um den Chatbot in Ihre Website einzubetten, fügen Sie einfach das kleine Skript-Tag zu Ihrer Website hinzu.

---

?‍♂️ Häufig gestellte Fragen ❓

Was ist webwhiz ?

webwhiz können Sie ChatGPT anhand Ihrer Website-Daten trainieren und einen Chatbot erstellen, den Sie Ihrer Website hinzufügen können. Keine Codierung erforderlich.

Wie oft crawlen Sie meine Website?

Derzeit crawlen wir Ihre Website einmal im Monat. Bitte kontaktieren Sie uns, wenn Ihre Website häufiger gescannt werden soll

Welche Daten erfassen Sie auf meiner Website?

webwhiz sammelt Daten von den Seiten Ihrer Website, um Ihren Chatbot zu trainieren. Dazu gehören Textdaten der Seiten sowie etwaige Metadaten wie Seitentitel oder Beschreibungen. Wir erfassen keine personenbezogenen Daten (PII) oder sensible Daten von Ihrer Website. Wir scannen nur öffentliche Daten, die für Suchmaschinen verfügbar sind

Was passiert, wenn ich die Grenzen meines Plans überschreite?

Wenn Sie die Limits Ihres Plans für Projekte oder Seiten überschreiten, werden wir Sie benachrichtigen. Wenn Sie jedoch das Token-Limit für Ihren Plan überschreiten, generieren Ihre Chatbots keine KI-Antworten mehr und antworten stattdessen mit einer vordefinierten Nachricht.

Was sind Token?

Token sind eine Maßeinheit, mit der die Menge an Textdaten berechnet wird, die von Ihrem Chatbot verarbeitet wird. Jedes Token entspricht einer variablen Anzahl von Zeichen, abhängig von der Komplexität der in der Nachricht verwendeten Sprache. Jede Nachricht, die Ihr Chatbot sendet, verwendet eine bestimmte Anzahl von Token, basierend auf der Länge und Komplexität der Eingabe und der KI-Antwort. Sie können die aktuelle Token-Nutzung Ihres Kontos im Dashboard einsehen.

Kann ich benutzerdefinierte Daten trainieren?

Ja, Sie können benutzerdefinierte Daten trainieren, indem Sie einfach Inhalte in webwhiz einfügen

Kann ich meinen eigenen Open-AI-Schlüssel mitbringen?

Im Moment noch nicht, aber in ein paar Tagen wird es möglich sein.

Was ist die maximale Kontextgröße?

webwhiz gibt es Einschränkungen hinsichtlich der Größe des Kontexts. Bitte beachten Sie jedoch, dass die Anzahl der Seiten, die Sie crawlen können, je nach gewähltem Plan begrenzt sein kann. Weitere Informationen zu den spezifischen Einschränkungen der einzelnen Pläne finden Sie auf unserer Seite mit den Plänen.

? Lizenz

webwhiz ist Open Source unter der GNU Affero General Public License Version 3 (AGPLv3).

webwhiz SDK

webwhiz SDK ist auf NPM, CDNs und GitHub verfügbar.

• NPM – NPM ist ein Paketmanager für die Programmiersprache JavaScript. Sie können webwhiz mit dem folgenden Befehl installieren

  npm install webwhiz

• CDN Direkt aus CDN verwenden

    https://www.unpkg.com/[email protected]/dist/sdk.js

☁️ Selbsthosting

1. Docker – einfach
2. Manuelle Einrichtung – Beteiligt (bietet aber mehr Flexibilität)

? Docker

Voraussetzungen

• Docker und Docker-Compose

webwhiz mit Docker ausführen

1. Klonen Sie das Repo
2. Bearbeiten Sie die Datei .env.docker im Stammverzeichnis des Repos und fügen Sie Ihren OPENAI_KEY und OPENAI_KEY_2 hinzu
3. Verwenden Sie Docker-Compose, um den Stapel zu starten

 # Bring up webwhiz
# Once the building is done and webwhiz starts the UI will be available at
# http://localhost:3030, backend is available at http://localhost:3000
# To exit Press Ctrl-C
docker-compose up

# Alternatively Run webwhiz as a daemon
docker-compose up -d

# Stop webwhiz
docker-compose down

# Force rebuild all containers (required only if some change is not picked up)
sudo docker-compose up --build --force-recreate

? Handbuch

webwhiz ist für den Einsatz als Chatbot in Produktionsqualität konzipiert, der vergrößert oder verkleinert werden kann, um jedes Datenvolumen zu verarbeiten.

webwhiz besteht hauptsächlich aus 3 Komponenten

1. Der API-Server – Dies ist der Haupt webwhiz Backend-Webserver, der NestJS verwendet
2. JS Celery Worker – Übernimmt das Crawling und die Generierung von Einbettungen
3. Python Celery Worker – Container-Cosinus-Ähnlichkeitsrechner und HTML-/PDF-Inhaltsextraktor

Für Datenbanken und Caching wird webwhiz verwendet

• MongoDB
• Redis

Der Backend-Server nutzt Dienste von Drittanbietern (einschließlich OpenAI), um den Chatbot zu betreiben, Fehler zu überwachen usw. Nur der OpenAI-Schlüssel ist obligatorisch und Sie können die anderen ignorieren, wenn Sie möchten.

HINWEIS: webwhiz führt weiterhin Einbettungen in Redis durch, um die Leistung von Chatbot-Antworten zu verbessern. Für die meisten Organisationen würden die erstellten Chatbots Daten für einige Hundert oder Tausende von Seiten enthalten, und Redis sollte gut funktionieren und gleichzeitig eine bessere Leistung bieten. Wenn Sie eine spezielle Vektordatenbank für die Suche nach relevanten Blöcken verwenden möchten, wenden Sie sich bitte an uns.

Voraussetzungen

• MongoDB v6
• Redis v7
• Knoten v18 + Garn
• Python v3.6+

Umgebungsvariablen festlegen

1. Erstellen Sie eine Kopie der Datei .env.sample und benennen Sie sie in .env um

Die folgenden Variablen sind obligatorisch

• HOST – IP, an die sich der Webserver binden soll, normalerweise 0.0.0.0
• PORT – Port, auf dem der Webserver horchen soll (Standard 3000)
• SECRET_KEY – Geheimnis, das für die Verschlüsselung (JWT usw.) verwendet wird.
• MONGO_URI – Zu verwendende MongoDB-URI
• MONGO_DBNAME – Name der Datenbank in MongoDB
• OPENAI_KEY – OpenAI-API-Schlüssel
• OPENAI_KEY_2 – Alternativer OpenAI-API-Schlüssel, der verwendet wird, wenn der primäre einen Fehler auslöst. Sie können für beide denselben API-Schlüssel verwenden, wenn Sie nicht zwei separate API-Schlüssel bereitstellen möchten

2. Erstellen Sie im Worker-Ordner eine Kopie von .env.sample und benennen Sie sie in .env um.

Legen Sie den Wert für die folgenden Variablen fest: MONGO_URI , MONGO_DBNAME , REDIS_HOST , REDIS_PORT

Abhängigkeiten installieren und App ausführen

Führen Sie im Stammordner die folgenden Befehle aus

 # Install node dependencies
yarn install

# Install python worker dependencies
cd workers
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

# Run application with pm2
cd ..
yarn run build
npm install -g pm2 # Use sudo if required
pm2 start ecosystem.config.js

Dadurch werden der Backend-HTTP-Server, der JS-Worker und der Python-Worker gestartet

Frontend

Erstellen Sie .env Datei im Frontend-Ordner und fügen Sie die folgenden Variablen hinzu

REACT_APP_BASE_URL= ' https://api.website.com '
GOOGLE_AUTH_ID= ' Only if you need google login '

Führen Sie im Frontend-Ordner die folgenden Befehle aus, um den Server zu starten

 # Install dependencies
npm install

# Run front end app
npm run start

Führen Sie npm run build aus, um die Frontend-App zu packen

Wenn Sie auf Probleme stoßen, wenden Sie sich an hi@ webwhiz .ai