Lernit

Lernit

Platform EdTech menggunakan Prompt Engineering. ? Apa ini? Model bahasa besar (LLM) muncul sebagai teknologi transformatif, memungkinkan pengembang untuk membangun aplikasi yang sebelumnya tidak bisa mereka lakukan. Namun, menggunakan LLMS ini secara terpisah sering tidak cukup untuk membuat aplikasi yang benar -benar kuat - kekuatan nyata datang ketika Anda dapat menggabungkannya dengan sumber perhitungan atau pengetahuan lain.

Aplikasi Flask untuk sistem tanya jawab berbasis GPT

Ini adalah aplikasi web berbasis flask yang terintegrasi dengan API wajah pelukan untuk menghasilkan pertanyaan pilihan ganda berdasarkan input pengguna dan memberikan jawaban yang benar dan salah. Proyek ini menggunakan Flask untuk kerangka kerja web dan langchain untuk menangani model GPT-3 dari wajah pelukan.

Fitur

• Otentikasi Pengguna : Halaman login dan pendaftaran untuk interaksi pengguna.
• Integrasi GPT : Menggunakan GPT-3 untuk menghasilkan pertanyaan pilihan ganda dengan jawaban.
• Beberapa model GPT-3 : mengintegrasikan berbagai templat prompt untuk menghasilkan jawaban yang benar dan salah untuk pertanyaan.
• Antarmuka Web : Menyediakan antarmuka pengguna yang bersih untuk berinteraksi dengan model GPT dan melihat pertanyaan dan jawaban yang dihasilkan.
• Integrasi API : Menangani permintaan pos untuk menghasilkan pertanyaan dan jawaban secara dinamis.

Pengaturan Proyek

Untuk menjalankan proyek ini secara lokal, ikuti langkah -langkah ini:

Prasyarat

• Python 3.7 atau lebih tinggi
• Labu
• API Wajah Memeluk (Model Flan-T5)
• Langchain
• dotenv (untuk manajemen variabel lingkungan)

Instalasi

1. Klon Repositori:

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

2. Arahkan ke Direktori Proyek:

    cd Flask-GPT-Application

3. Instal dependensi yang diperlukan:

   pip install -r requirements.txt

4. Atur file .env dengan kunci API pemeluk Anda:

    HUGGINGFACE_API_KEY = your_api_key_here

Menjalankan aplikasi

1. Jalankan aplikasi Flask:

   python app.py

2. Kunjungi http://127.0.0.1:5000 di browser web Anda.

Titik akhir API

• Dapat / : Halaman Beranda
• Get /login : Halaman Login
• Dapat /signup : Halaman Pendaftaran
• Get /youtube : Halaman YouTube
• Get /features : Halaman Fitur
• Halaman Get /resources : Sumber Daya
• POST /gpt : Menghasilkan pertanyaan pilihan ganda berdasarkan istilah pencarian pengguna.
• POST /gpt3 : Titik akhir lain untuk menghasilkan pertanyaan pilihan ganda unik berdasarkan prompt yang berbeda.

Contoh Permintaan untuk /gpt :

• Metode: Posting
• Tubuh (Data Bentuk):

   search: "Science"
  

Contoh Respons:

{
  "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 }
  ]
}

Teknologi digunakan

• Flask : Kerangka kerja web Python untuk membangun aplikasi web.
• Langchain : Kerangka kerja untuk membangun rantai model bahasa.
• Hugging Face : Platform yang menyediakan akses ke model pembelajaran mesin yang canggih (digunakan di sini dengan flan-t5-xxl ).
• HTML/CSS : Untuk desain frontend.

Berkontribusi

1. Garpu repositori.
2. Buat cabang baru ( git checkout -b feature-name ).
3. Membuat perubahan Anda.
4. Komit perubahan Anda ( git commit -am 'Add new feature' ).
5. Dorong ke cabang ( git push origin feature-name ).
6. Buat permintaan tarik baru.

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi untuk detailnya.

Ucapan Terima Kasih

• Memeluk wajah untuk menyediakan model bahasa.
• Langchain untuk menyederhanakan integrasi model bahasa ke dalam aplikasi Flask.