chatwithDB Télécharger - chatwithDB Téléchargement du code source

chatwithDB

Autre code source

1.0.0

Télécharger

ChatAvecDB

ChatWithDB est un projet innovant qui transforme les bases de données traditionnelles en partenaires conversationnels utilisant LLM et Django. Il accepte les entrées de l'utilisateur, trouve des entrées de base de données similaires et élabore des réponses de type humain à l'aide du GPT-3.5 d'OpenAI ou de différents LLM, créant ainsi une expérience d'interaction unique avec les bases de données. Le projet prend en charge plusieurs bases de données, notamment PostgreSQL et MySQL.

Caractéristiques

Tableau de bord d'administration Django convivial pour gérer les connexions à la base de données.
Intégration avec GPT-3 d'OpenAI ou différents LLM pour traiter les requêtes et les réponses des utilisateurs.
Recherche avancée de similarité de texte avec différentes bases de données.
API pour faciliter l'interaction des utilisateurs avec les bases de données.

Installation

Tout d'abord, clonez le référentiel :

git clone https://github.com/shamspias/ChatWithDB.git
cd ChatWithDB

Installer le pack associé

sudo apt-get install python3-dev python3-venv libcurl4-openssl-dev gcc libssl-dev -y

Créer et activer un environnement virtuel

Linux et MAC

python3 -m venv venv
. venv/bin/activate

Fenêtres

python -m venv venv
. venv/Scripts/activate

Installez les packages Python requis :

pip install -r requirements.txt

Configurez votre base de données dans settings.py , puis appliquez les migrations :

python manage.py makemigrations
python manage.py migrate

Démarrez le serveur Django Celery :

celery -A config worker --loglevel=info

Démarrez le serveur de développement Django :

python manage.py runserver

Le serveur doit fonctionner sur localhost:8000 .

Usage

Accédez au tableau de bord d'administration Django pour ajouter ou gérer vos bases de données. Ensuite, utilisez les API fournies pour interagir avec votre base de données. Entrez votre requête et le système trouvera des entrées similaires dans la base de données et élaborera une réponse de type humain en utilisant GPT-3.5 ou différents LLM.