Q A System for Retail Sales using Google Palm LLM

Système de questions/réponses en langage naturel pour les ventes au détail

Ce projet est une implémentation de bout en bout d'un système de questions et réponses en langage naturel qui permet aux gérants de magasin d'interagir avec les données de ventes au détail à l'aide de requêtes en langage naturel. Le système exploite la puissance de Google PaLM, LangChain et MySQL pour convertir les questions des utilisateurs en requêtes SQL, les exécuter et renvoyer des résultats significatifs.

Requêtes en langage naturel telles que :

T1. Combien de t-shirts Adidas de couleur blanche nous reste-t-il en stock ?

Q2.Combien de ventes notre magasin générera-t-il si nous pouvons vendre tous les t-shirts de très petite taille après avoir appliqué des remises ? Le système est suffisamment intelligent pour générer des requêtes précises pour une question donnée et les exécuter sur la base de données MySQL.

Faits saillants du projet

Je construis un système de questions et réponses basé sur LLM qui utilisera ce qui suit : 1.Google Palm LLM

2.Incrustations de visages câlins

3.Streamlit pour l'interface utilisateur

4.Cadre Langchain

5.Chromadb comme magasin de vecteurs

6. Quelques tirs d'apprentissage

Dans l'interface utilisateur, vous pouvez poser des questions dans un langage naturel et les réponses seront produites.

Exemples de questions

Combien de t-shirts reste-t-il en stock ?

Combien de t-shirts nous reste-t-il pour Nike en taille XS et en couleur blanche ?

Quel est le prix total de l'inventaire pour tous les t-shirts de taille S ?

Quel montant de ventes sera généré si nous vendons tous les maillots adidas de petite taille aujourd'hui après des remises ?

Structure du projet

main.py : le script principal de l'application Streamlit.

langchain_helper.py : Ceci contient tout le code de langchain

exigences.txt : une liste des packages Python requis pour le projet.