ChatBard
1.0.0
Les applications utilisent l'IA générative et les grands modèles linguistiques ( LLM ), spécifiquement les API PaLM2 .
Premier exemple : Flutter App / Drat
Deuxième exemple : Flask App / Python
3.Troisième exemple : démo via Gradio dans Colab Notebook
Je suis ravi que Google Cloud Tech ait mis en valeur mon travail sur ChatBard ! Peu de temps après la sortie de PaLM2, ils ont reconnu mon projet comme un exemple remarquable et ont même tweeté à ce sujet depuis leur compte officiel. Je suis reconnaissant pour leur soutien et ravi de continuer à explorer.
Lire le tweet de Google Cloud Tech
ChatBard est une application de centre de service client intelligente optimisée par l'IA générative et des modèles de langage étendus ( LLM ) utilisant les API PaLM2 . ?
Cette démo de l'application Flutter est conçue pour vous inspirer et montrer comment ChatBard peut révolutionner le support client. Il fournit une interface de chat où les utilisateurs peuvent interagir avec un chatbot pour poser des questions et obtenir des réponses. L'application utilise l'IA générative et les grands modèles de langage (LLM), en particulier les API PaLM2, pour comprendre et répondre intelligemment aux messages des utilisateurs. L'application de démonstration analyse le contexte et les exemples fournis pour répondre avec précision, ce qui en fait un outil précieux pour tout centre de service client.
ChatBard peut être facilement personnalisé pour s'adapter à la nature de votre entreprise. En modifiant le contexte et les exemples, vous pouvez adapter les réponses du chatbot aux besoins spécifiques de votre entreprise et aux interactions clients.
Les captures d'écran de l'application présentent ses fonctionnalités, notamment la capture de conversations avec les clients et la fourniture d'enregistrements résumés stockés dans Firebase. Il offre un support en anglais et en arabe. Notez qu'il s'agit d'une fonctionnalité développée dans cette application en créant une API REST personnalisée pour la traduction. PaLM2 et Bard sont encore en développement et ne prennent pas encore en charge la langue arabe.
Le ChatBard répond aux requêtes des clients en fonction des informations qui lui ont été fournies en termes de contexte et d'exemples. Ensuite, il résume la conversation et stocke le résumé dans la base de données de Firebase.
Les principales fonctionnalités de ChatBard incluent :
Voici quelques captures d'écran de l'application :
Une conversation avec le client, et une fois la conversation terminée, elle est résumée et stockée dans Firebase.
Arabic Bard dans une conversation avec le client, et une fois la conversation terminée, il est résumé et stocké dans Firebase. 
Sur mobile Android : une conversation avec le client, et une fois la conversation terminée, elle est résumée et stockée dans Firebase. 
Sur mobile Android : Arabic Bard dans une conversation avec le client, et une fois la conversation terminée, elle est résumée et stockée dans Firebase.
Avant d'exécuter l'application, assurez-vous d'avoir les éléments suivants :
Suivez ces étapes pour démarrer avec l'application :
flutter pub get dans le répertoire du projet pour installer les dépendances.flutter run lib/main.dart . Pour personnaliser l'application en fonction de la nature de votre activité, vous pouvez modifier les variables suivantes dans le fichier examples.dart :
context : Cette variable représente le contexte et la portée de votre entreprise. Mettez-le à jour avec une brève description qui reflète l'objectif et le domaine de votre centre de service client.
examples : cette variable contient des exemples de conversations qui incluent des informations importantes pertinentes pour votre entreprise. Ces exemples aident à apprendre le modèle de chatbot pour comprendre et répondre avec précision aux requêtes des utilisateurs.
En mettant à jour les variables context et examples avec des informations pertinentes, vous pouvez adapter les réponses du chatbot pour les aligner sur les exigences spécifiques de votre entreprise et les interactions avec les clients.
N'hésitez pas à modifier d'autres parties du code ou de l'interface utilisateur pour répondre à vos besoins.
Voici quelques captures d'écran de l'application :
Une interface utilisateur simple pour la conversation avec les clients
Si le bouton Résumer est cliqué, le résumé apparaîtra en bas
Il s'agit d'un guide étape par étape pour déployer une API REST basée sur Python sur Cloud Run. Le guide suit les instructions fournies dans la documentation officielle de Cloud Run ici.
Pour interagir avec les points de terminaison de l'API déployés, leurs informations ci-dessous.
Ce point de terminaison vous permet d'avoir une conversation avec le modèle anglais Chat Bard.
/chat {
"message" : " User's message in English "
}{
"response" : " Response from the English Chat Bard model "
}Ce point de terminaison génère un résumé d'une conversation entre un client et le modèle anglais Chat Bard.
/summary {
"content" : " Conversation content in English "
}{
"response" : " Summary of the conversation in English "
}Cette section inclut les points de terminaison liés au modèle Arabic Chat Bard.
Ce point de terminaison vous permet d'avoir une conversation avec le modèle Arabic Chat Bard.
/chat_ar {
"message" : " User's message in Arabic "
}{
"response" : " Response from the Arabic Chat Bard "
}Ce point de terminaison génère un résumé d'une conversation entre un client et Arabic Chat Bard.
/summary_ar {
"content" : " Conversation content in Arabic "
}{
"response" : " Summary of the conversation in Arabic "
}Ce point de terminaison traduit le texte anglais en arabe.
/en2ar {
"response" : " English text to be translated "
}{
"response" : " Translated Arabic text "
}Ce point de terminaison traduit le texte arabe en anglais.
/ar2en {
"response" : " Arabic text to be translated "
}{
"response" : " Translated English text "
}Google Colab est une plateforme en ligne puissante et facile à utiliser. Il fournit un moyen simple et pratique de démontrer du code, de créer des didacticiels et de consulter des démos. Jetez un oeil
Une simple démo via Gradio dans Colab
| Titre de l'atelier | Diapositives | Exemples |
|---|---|---|
| Pratique avec l'API PaLM2 pour créer des applications intelligentes | Diapositives |
Les contributions à l'application sont les bienvenues ! Si vous rencontrez des problèmes ou souhaitez ajouter de nouvelles fonctionnalités, n'hésitez pas à ouvrir une pull request.
L'application est publiée sous la licence MIT.
