lauzcom assistant

lauzcom assistant

lauzcom assistant es una solución interactiva y fácil de usar diseñada para brindar acceso fluido a datos críticos de Swisscom. Al integrar potentes modelos GPT , los clientes pueden hacer preguntas fácilmente sobre los datos públicos de Swisscom y recibir respuestas precisas rápidamente.

Dígale adiós a las tediosas búsquedas manuales y deje que lauzcom assistant revolucione las interacciones con sus clientes.

Autores

El proyecto lauzcom assistant está creado por:

• carmen marcos
• Daan Rosendal

Tabla de contenido

• Manifestación
• Arquitectura
• Inicio rápido
• Entorno de desarrollo
  • Ejecute Mongo y Redis
  • Ejecute el backend
  • Ejecute la interfaz
• Licencia

Manifestación

Vídeo de demostración

Arquitectura

Inicio rápido

Nota

Asegúrate de tener instalado Docker

En macOS o Linux, ejecute:

./setup.sh

Instala todas las dependencias y te permite descargar un modelo localmente o usar OpenAI. El Asistente LauzHack ahora se ejecuta en http://localhost:5173.

De lo contrario, siga estos pasos:

1. Descargue y abra este repositorio con git clone [email protected]:cern-lauzhack-2023/Lauzcom-Assistant.git .

2. Cree un archivo .env en su directorio raíz y configure la variable env API_KEY con su clave API OpenAI y VITE_API_STREAMING en verdadero o falso, dependiendo de si desea transmitir respuestas o no.

   API_KEY= < YourOpenAIKey >
   VITE_API_STREAMING=true

   Consulte las variables de entorno opcionales en los archivos /.env-template y /application/.env_sample.

3. Ejecute ./run-with-docker-compose.sh.

4. El Asistente LauzHack ahora se ejecuta en http://localhost:5173.

Para detenerlo, presione Ctrl + C

Entorno de desarrollo

Ejecute Mongo y Redis

Para el desarrollo, solo se utilizan dos contenedores de docker-compose.yaml (eliminando todos los servicios excepto Redis y Mongo). Consulte el archivo docker-compose-dev.yaml.

Correr:

docker compose -f docker-compose-dev.yaml build
docker compose -f docker-compose-dev.yaml up -d

Ejecute el backend

Nota

Asegúrese de tener Python 3.10 o 3.11 instalado.

1. Exporte las variables de entorno necesarias o prepare un archivo .env en la carpeta /application .
   • Copie .env_sample y cree .env con su token de API OpenAI para los campos API_KEY y EMBEDDINGS_KEY .

(Consulte application/core/settings.py si desea ver más opciones de configuración).

2. (opcional) Cree un entorno virtual de Python: siga la documentación oficial de Python para entornos virtuales.

   a) En Linux y macOS:

   python -m venv venv
   . venv/bin/activate

   b) En Windows:

   python -m venv venv
   venv/Scripts/activate

3. Instale dependencias para el backend:

pip install -r application/requirements.txt

4. Ejecute la aplicación usando:

flask --app application/app.py run --host=0.0.0.0 --port=7091

La API de backend ahora se ejecuta en http://localhost:7091.

5. Empezar trabajador con:

celery -A application.app.celery worker -l INFO

Ejecute la interfaz

Nota

Asegúrate de tener Node versión 16 o superior.

1. Navegue a la carpeta /frontend.
2. Instale los paquetes necesarios husky y vite (ignore si ya están instalados).

npm install husky -g
npm install vite -g

3. Instale las dependencias ejecutando:

npm install --include=dev

4. Ejecute la aplicación usando:

npm run dev

La interfaz ahora se ejecuta en http://localhost:5173.

Licencia

La licencia del código fuente es MIT, como se describe en el archivo LICENCIA.

Construido con ? ? LangChain