Demostraciones de Amazon OpenSearch y LangChain

Antes de empezar

Asegúrese de tener Python y Streamlit instalados.
Clonar este repositorio

Configurar Amazon OpenSearch

Cree una colección de Amazon OpenSearch Serverless (escriba Búsqueda vectorial y elija la opción Creación fácil ): documentación.

Cree un índice con la siguiente configuración:

Cargar datos en OpenSearch

Descargue la Carta de Amazon 2022 a los accionistas y colóquela en el mismo directorio.

Cree un archivo .env y proporcione la siguiente información sobre su configuración de Amazon OpenSearch:

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

Asegúrese de haber configurado Amazon Bedrock para acceder desde su máquina local. Además, necesita acceso al modelo de incrustación amazon.titan-embed-text-v1 y al modelo anthropic.claude-v2 en Amazon Bedrock; siga estas instrucciones para obtener más detalles.

Cargar datos PDF:

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

python3 load.py

Verificar datos en la colección OpenSearch

Ejecute la aplicación de búsqueda semántica

streamlit run app_semantic_search.py --server.port 8080

Puedes hacer preguntas como:

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?

Ejecute la aplicación RAG

En una terminal diferente:

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

Puedes hacer preguntas como:

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?