hello sajal

Halo Sajal!

Ringkasan

Proyek ini dirancang untuk menampilkan aplikasi chatbot komprehensif yang memanfaatkan model GPT-4 OpenAI, bersama dengan kemampuan terbaru Langchain, termasuk Langchain Expression Language dan LangGraph, terintegrasi dengan antarmuka Gradio untuk memudahkan interaksi.

Itu dikemas dalam wadah Docker untuk kemudahan penerapan dan skalabilitas.

Memulai

Membangun Kontainer Docker

1. Kloning repositori ke mesin lokal Anda:

 git clone <repository-link>
cd <repository-name>

2. Bangun image Docker dari Dockerfile yang disediakan dalam proyek:

 docker build -t hello-sajal-app .

Perintah ini membuat image Docker bernama hello-sajal-app berdasarkan instruksi di Dockerfile.

3. Menjalankan Aplikasi

Setelah membuat image, Anda dapat menjalankan aplikasi menggunakan perintah berikut:

 docker run -p 7860:7860 gradio-openai-app

Perintah ini menjalankan container dan memetakan port 7860 container ke port 7860 di host Anda, memungkinkan Anda mengakses aplikasi Gradio melalui browser web Anda.

4. Mengakses Aplikasi Setelah container Docker berjalan, buka browser web dan navigasikan ke http://localhost:7860 untuk berinteraksi dengan aplikasi Gradio.

Di Bawah Terpal

Kontainer buruh pelabuhan dan aplikasi gradio mengikuti alurnya:

1. src/ingest_data.py: Ekstraksi dan penyerapan data ke dalam database vektor ChromaDB, yang disimpan seperti pada disk.
2. src/app.py: Inisialisasi aplikasi gradio, didorong oleh langchain untuk orkestrasi.

Direktori dan File

• Data:
  • source.md: sumber informasi tentang Sajal Sharma dalam format penurunan harga.
  • chrome_db: direktori bertahan untuk chromedb.
• src:
  • app.py: titik masuk untuk aplikasi, kode untuk aplikasi gradio.
  • graph.py: kode untuk grafik orkestrasi langgraph.
  • ingest_data.py: kode untuk ekstraksi, transformasi, dan penyerapan data.
  • retriever.py: kode untuk pencarian melalui indeks vektor ChromaDb.
  • rantai/*.py: rantai langchain khusus dan unik untuk fungsi LLM tertentu.

Komponen

• ChromaDB untuk mengindeks dan mencari dokumen yang dipotong.
• Langchain untuk rekayasa aliran.
• Model OpenAI untuk menjalankan panggilan LLM.
• Gradio untuk antarmuka obrolan dasar.
• Langsmith untuk penelusuran cepat.

Fitur & Arsitektur Aplikasi GenAI

Aplikasi ini banyak menggunakan langchain untuk prompt, rantai, alat, pemanggilan fungsi LLM, dan rekayasa aliran, yang menunjukkan beberapa kasus penggunaan tingkat lanjut.

Arsitektur tingkat tinggi:

Setiap pesan masuk dari pengguna melewati modul pengenalan niat, RAG, RAG korektif, dan rantai obrolan kecil.

Diagram berikut mewakili aliran setiap pesan pengguna yang masuk ke aplikasi obrolan: