Lernit

Enterre

Une plate-forme EdTech utilisant une ingénierie rapide. ? Qu'est-ce que c'est? Les modèles de grandes langues (LLM) émergent comme une technologie transformatrice, permettant aux développeurs de créer des applications qu'ils ne pouvaient pas auparavant. Cependant, l'utilisation de ces LLMs isolément est souvent insuffisante pour créer une application vraiment puissante - la puissance réelle survient lorsque vous pouvez les combiner avec d'autres sources de calcul ou de connaissances.

Application FLASK pour le système de questions et réponses basé sur GPT

Il s'agit d'une application Web basée sur Flask qui s'intègre à l'API Face Hugging pour générer des questions à choix multiples basées sur la saisie des utilisateurs et à fournir des réponses correctes et incorrectes. Le projet utilise Flask pour le framework Web et Langchain pour gérer le modèle GPT-3 de Hugging Face.

Caractéristiques

• Authentification utilisateur : pages de connexion et d'inscription pour l'interaction utilisateur.
• Intégration GPT : utilise GPT-3 pour générer des questions à choix multiples avec des réponses.
• Plusieurs modèles GPT-3 : intègre différents modèles invités pour générer des réponses correctes et incorrectes pour les questions.
• Interface Web : fournit une interface utilisateur propre pour interagir avec le modèle GPT et afficher les questions et réponses générées.
• Intégration de l'API : gère dynamiquement les demandes de publication pour générer des questions et des réponses.

Configuration du projet

Pour exécuter ce projet localement, suivez ces étapes:

Condition préalable

• Python 3,7 ou plus
• Ballon
• API de face étreint (modèle Flan-T5)
• Lubriole
• Dotenv (pour la gestion des variables de l'environnement)

Installation

1. Clone le référentiel:

   git clone https://github.com/yourusername/Flask-GPT-Application.git

2. Accédez au répertoire du projet:

    cd Flask-GPT-Application

3. Installez les dépendances requises:

   pip install -r requirements.txt

4. Configurez le fichier .env avec votre clé API Face Hugging Face:

    HUGGINGFACE_API_KEY = your_api_key_here

Exécution de l'application

1. Exécutez l'application Flask:

   python app.py

2. Visitez http://127.0.0.1:5000 dans votre navigateur Web.

Points de terminaison API

• Get / : Page d'accueil
• Get /login : page de connexion
• Get /signup : page d'inscription
• Get /youtube : Page YouTube
• Get /features : Page de fonctionnalités
• Get /resources : Page de ressources
• Post /gpt : génère des questions à choix multiples en fonction du terme de recherche de l'utilisateur.
• POST /gpt3 : Un autre point de terminaison pour générer des questions à choix multiples uniques basées sur une invite différente.

Exemple de demande pour /gpt :

• Méthode: Poster
• Corps (données de formulaire):

   search: "Science"
  

Exemple de réponse:

{
  "question" : " Q: Generate random unique hard Multiple choice questions with answers on Science topic? " ,
  "answers" : [
    { "text" : " Answer A " , "correct" : true },
    { "text" : " Answer B " , "correct" : false },
    { "text" : " Answer C " , "correct" : false },
    { "text" : " Answer D " , "correct" : false }
  ]
}

Technologies utilisées

• FLASK : Framework Web Python pour la création d'applications Web.
• Langchain : un cadre pour construire des chaînes de modèles de langage.
• Face étreinte : une plate-forme qui donne accès à des modèles d'apprentissage automatique de pointe (utilisés ici avec flan-t5-xxl ).
• HTML / CSS : Pour la conception du frontend.

Contributif

1. Fourk le référentiel.
2. Créez une nouvelle branche ( git checkout -b feature-name ).
3. Faites vos modifications.
4. Commissez vos modifications ( git commit -am 'Add new feature' ).
5. Push to the Branch ( git push origin feature-name ).
6. Créez une nouvelle demande de traction.

Licence

Ce projet est autorisé en vertu de la licence MIT - voir le fichier de licence pour plus de détails.

Remerciements

• Étreindre le visage pour fournir les modèles de langue.
• Langchain pour simplifier l'intégration des modèles de langage dans les applications FLASK.