open source slack ai

L'application ouverte Slack AI

Ce référentiel est une solution de base AI de base prêt à l'emploi. Le produit officiel de Slack IA a fière allure, mais avec un accès limité et des prix complémentaires, j'ai décidé d'ouvrir la version que j'ai construite en septembre 2023. En savoir plus sur comment et pourquoi j'ai construit une IA de Slack open-source.

Une fois opérationnelle (les instructions pour l'ensemble du processus sont fournies ci-dessous), tous vos utilisateurs de Slack pourront générer en public et en privé:

1. Résumé des résumés - Générez un résumé détaillé de tout fil de mou (alimenté par GPT-3.5-turbo)
2. Présentation des canaux - Générez un aperçu de l'objectif de la chaîne en fonction de l'historique des messages étendu (alimenté par un ensemble de modèles NLP et un petit GPT-4 pour expliquer l'analyse en langage naturel)
3. Résumé des canaux Depuis - Générez un résumé détaillé des messages d'un canal depuis un point donné (alimenté par GPT-3.5-turbo). Maintenant avec la prise en charge des invites personnalisées! par exemple /tldr_since anonymize the summary . Remarque: cela n'inclut pas encore les fils.
4. Résumé des canaux complets (expérimental) - Générez un résumé détaillé de l'histoire étendue d'un canal (alimenté par GPT-3.5-turbo). Maintenant avec la prise en charge des invites personnalisées! EG /tldr_extended anonymize the summary . Remarque: cela peut devenir très long!

Table des matières

• Commencer
  • Condition préalable
  • Installation
  • Usage
  • Personnalisation
• Essai
• Améliorations futures
• Contributif

Commencer

Suivez ces instructions pour obtenir une copie du projet opérationnel sur votre machine locale à des fins de développement et de test.

Condition préalable

Assurez-vous d'avoir le préconfiguré ou installé suivant sur votre machine de développement locale:

• Python 3.9.x - 3.11.x
• Clé API Openai
• Application Slack et jetons API associés
• Gestionnaire de packages de poésie
• ngrok (recommandé)

Installation

1. Clone le référentiel de votre machine locale.
2. Accédez au répertoire du projet.
3. Installez les packages Python requis à l'aide de la poésie:

poetry install

4. Installer le modèle de dictionnaire

poetry run python -m spacy download en_core_web_md

5. Créez un fichier .env dans le répertoire racine du projet et remplissez-le de vos clés API et de vos jetons. Utilisez le fichier example.env comme modèle.

cp example.env .env && open .env

Configuration de l'application Slack

Faites une copie de manifest.json et modifiez l'URL de demande dans votre URL Ngrok ou Server.

Créez une nouvelle application Slack ici et configurez-la à l'aide de votre fichier manifest.yaml .

Vous ne devriez pas avoir besoin d'apporter d'autres modifications, mais vous pouvez modifier le nom, la description et d'autres paramètres liés à la copie.

Si vous souhaitez ajuster le nom des commandes de slash, vous devrez modifier slack_server.py .

Une fois configuré, récupérez le token "Bot User Oauth" à partir de la page "Installer l'application" et ajoutez-le à votre fichier .env en tant que SLACK_BOT_TOKEN .

Ensuite, sur la page d'informations de base sous les jetons de niveau de l'application, Créez un jeton avec les connections:write et ajoutez-les à votre fichier .env en tant que SLACK_APP_TOKEN .

Usage

Pour exécuter l'application, exécutez le serveur Fastapi:

poetry run uvicorn ossai.slack_server:app --reload

Vous devrez alors exposer le serveur à Internet à l'aide de Ngrok.

Exécutez Ngrok avec la commande suivante: ngrok http 8000

Ajoutez ensuite l'URL NGROK aux paramètres de votre application Slack.

Personnalisation

Les principales options de personnalisation sont:

• Résumé de la chaîne: Personnalisez l'invite Chatgpt dans topic_analysis.py
• Résumé du thread: Personnalisez l'invite Chatgpt dans summarizer.py

Essai

Ce projet utilise pytest et pytest-cov pour exécuter des tests et mesurer la couverture des tests.

Suivez ces étapes pour exécuter les tests avec la couverture:

1. Accédez au répertoire des racines du projet.

2. Exécutez la commande suivante pour exécuter les tests avec la couverture:

   pytest --cov=ossai tests/

   Cette commande exécutera tous les tests dans les tests/ répertoire et générera un rapport de couverture pour le module ossai .

3. Après avoir exécuté les tests, vous verrez un rapport dans votre terminal qui montre le pourcentage de code couvert par les tests et met en évidence toutes les lignes qui ne sont pas couvertes.

Veuillez noter que si vous utilisez un environnement virtuel, assurez-vous qu'il est activé avant d'exécuter ces commandes.

Améliorations futures

• Déplacez-vous à Langchain & Langsmith pour l'extensibilité, le traçage et le contrôle
• Tirez parti des capacités de rétroaction de Langsmith pour capturer et apprendre des commentaires des utilisateurs
• Ajoutez une commande /tldr_since pour résumer les messages d'une chaîne depuis une date donnée
• Ajouter les détails de configuration de l'application Slack et un exemple de manifeste d'application à Readme
• Incorporer des conversations filetées dans les résumés au niveau du canal
• Implémentez Evals Suite pour compléter les tests unitaires
• Ajouter la prise en charge des LLM alternatives et open source
• Explorez le flux de travail pour la collecte de données et de modèles de réglage fin pour la réduction des coûts
• Ajouter la prise en charge des résumés de messages anonymisés
• Tirer parti des outils rapides comme Chain of Destiny
• Ajouter un support pour tirer le contexte de support à partir de sources externes comme les bases de connaissances de l'entreprise
• Explorez la mise en cache et d'autres optimisations de performances
• Explorer l'analyse des sentiments

Contributif

Je suis plus que bienvenu des contributions! Veuillez lire CONTRIBUTING.md pour plus de détails sur la façon de soumettre des commentaires, des bogues, des demandes de fonctionnalités, des améliorations ou vos propres demandes de traction.

Licence

Ce projet est autorisé en vertu de la licence GPL-3.0 - voir le fichier LICENSE.md pour plus de détails.