webwhiz

webwhiz

Entrene ChatGPT con los datos de su sitio web y cree un chatbot de IA que pueda responder instantáneamente las consultas de sus clientes.

webwhiz " estilo="ancho máximo: 100%;">

Características principales

• Fácil integración
• Respuestas específicas de datos
• Actualizaciones periódicas de datos
• Sin generador de código
• Personalizar chatbot
• Sintonia FINA
• Mensaje sin conexión

? Cómo funciona ❓

Cree y entrene un chatbot para su sitio web en unos sencillos pasos.

• Simplemente ingrese la URL de su sitio web para comenzar. Buscaremos y prepararemos automáticamente los datos de entrenamiento.
• Entrenaremos automáticamente ChatGPT en su sitio web según los parámetros seleccionados y crearemos el chatbot para usted.
• Para insertar el chatbot en su sitio web, simplemente agregue la pequeña etiqueta script a su sitio web.

---

?‍♂️ Pregunta frecuente ❓

¿Qué es webwhiz ?

webwhiz le permite entrenar ChatGPT en los datos de su sitio web y crear un chatbot que puede agregar a su sitio web. No se requiere codificación.

¿Con qué frecuencia rastreas mi sitio web?

Actualmente rastreamos su sitio web una vez al mes. Por favor contáctenos si necesita que su sitio web sea escaneado con más frecuencia

¿Qué datos recopiláis de mi sitio web?

webwhiz recopila datos de las páginas de su sitio web para entrenar su chatbot. Esto incluye datos de texto de las páginas, así como cualquier metadato, como títulos o descripciones de páginas. No recopilamos ninguna información de identificación personal (PII) ni datos confidenciales de su sitio web. Analizamos sólo datos públicos disponibles para los motores de búsqueda.

¿Qué sucede si excedo los límites de mi plan?

Si excede los límites de su plan para proyectos o páginas, se lo notificaremos. Sin embargo, si excede el límite de tokens de su plan, sus chatbots dejarán de generar respuestas de IA y, en su lugar, responderán con un mensaje predefinido.

¿Qué son las fichas?

Los tokens son una unidad de medida que se utiliza para calcular la cantidad de datos de texto que procesa su chatbot. Cada token corresponde a un número variable de caracteres, dependiendo de la complejidad del idioma utilizado en el mensaje. Cada mensaje que envía su chatbot utiliza una cierta cantidad de tokens según la longitud y complejidad de la entrada y la respuesta de la IA. Puede ver el uso actual de tokens de su cuenta en el panel.

¿Puedo entrenar datos personalizados?

Sí, puedes entrenar datos personalizados simplemente pegando contenido en webwhiz

¿Puedo traer mi propia llave AI abierta?

De momento no, pero será posible en un par de días.

¿Cuál es el tamaño máximo de contexto?

webwhiz tiene limitaciones en el tamaño del contexto. Sin embargo, tenga en cuenta que la cantidad de páginas que puede rastrear puede estar limitada según el plan que elija. Consulte nuestra página de planes para obtener más información sobre las limitaciones específicas de cada plan.

? Licencia

webwhiz es de código abierto bajo la licencia pública general GNU Affero versión 3 (AGPLv3)

SDK webwhiz

webwhiz SDK está disponible en NPM, CDN y GitHub.

• NPM: NPM es un administrador de paquetes para el lenguaje de programación JavaScript. Puede instalar webwhiz usando el siguiente comando

  npm install webwhiz

• CDN Usar directamente desde CDN

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

☁️ Autohospedaje

1. Docker - Fácil
2. Configuración manual: involucrada (pero proporciona más flexibilidad)

? Estibador

Requisitos previos

• Docker y Docker-compose

Ejecutando webwhiz con Docker

1. Clonar el repositorio
2. Edite el archivo .env.docker presente en la raíz del repositorio y agregue su OPENAI_KEY y OPENAI_KEY_2
3. Utilice docker-compose para iniciar la pila

 # 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

? Manual

webwhiz está diseñado para usarse como un Chatbot de producción que puede ampliarse o reducirse para manejar cualquier volumen de datos.

webwhiz consta principalmente de 3 componentes

1. El servidor API: este es el servidor web backend principal webwhiz que utiliza NestJS.
2. JS Celery Worker: maneja el rastreo y la generación de incrustaciones
3. Python Celery Worker: calculadora de similitud de coseno de contenedor y extractor de contenido HTML/PDF

Para usos webwhiz de bases de datos y almacenamiento en caché

• MongoDB
• Redis

El servidor backend utiliza servicios de terceros (incluido OpenAI) para alimentar el chatbot, así como para monitorear errores, etc. Solo la clave OpenAI es obligatoria y puede ignorar las demás si lo prefiere.

NOTA: webwhiz mantiene incorporaciones en Redis para mejorar el rendimiento de las respuestas del chatbot. Para la mayoría de las organizaciones, los chatbots creados contendrían datos de unos cientos o miles de páginas, y Redis debería funcionar bien y ofrecer un mejor rendimiento. Si desea utilizar una base de datos vectorial dedicada para buscar fragmentos relevantes, comuníquese con nosotros.

Requisitos previos

• Mongo DB v6
• Redis v7
• Nodo v18 + Hilo
• Pitón v3.6+

Configuración de variables de entorno

1. Cree una copia del archivo .env.sample y cámbiele el nombre a .env

Las siguientes variables como obligatorias

• HOST: IP a la que debe vincularse el servidor web, normalmente 0.0.0.0
• PUERTO: puerto en el que debe escuchar el servidor web (predeterminado 3000)
• SECRET_KEY: secreto utilizado para el cifrado (JWT, etc.).
• MONGO_URI: uri de MongoDB a utilizar
• MONGO_DBNAME - Nombre de la base de datos dentro de MongoDB
• OPENAI_KEY - Clave API de OpenAI
• OPENAI_KEY_2: clave API de OpenAI alternativa, utilizada cuando la principal genera un error. Puede utilizar la misma clave API para ambos si no desea proporcionar dos claves API independientes.

2. Dentro de la carpeta de trabajadores, cree una copia de .env.sample y cámbiele el nombre a .env .

Establezca el valor para las siguientes variables: MONGO_URI , MONGO_DBNAME , REDIS_HOST , REDIS_PORT

Instalación de dependencias y ejecución de la aplicación.

Desde la carpeta raíz ejecute los siguientes comandos

 # 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

Esto iniciará el servidor http backend, el trabajador js y el trabajador python.

Interfaz

Cree un archivo .env en la carpeta frontend y agregue las siguientes variables

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

Desde la carpeta frontend ejecute los siguientes comandos para iniciar el servidor

 # Install dependencies
npm install

# Run front end app
npm run start

Ejecute npm run build para empaquetar la aplicación frontend

Si tiene algún problema, comuníquese con hi@ webwhiz .ai