hello sajal

こんにちは、サジャル！

概要

このプロジェクトは、OpenAI の GPT-4 モデルと、Langchain Expression Language や LangGraph などの Langchain の最新機能を活用し、簡単に対話できるように Gradio インターフェイスと統合された、包括的なチャットボット アプリケーションを紹介するように設計されています。

導入と拡張性を容易にするために、Docker コンテナーにカプセル化されています。

はじめる

Dockerコンテナの構築

1. リポジトリのクローンをローカル マシンに作成します。

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

2. プロジェクトで提供されている Dockerfile から Docker イメージをビルドします。

 docker build -t hello-sajal-app .

このコマンドは、Dockerfile の指示に基づいて hello-sajal-app という名前の Docker イメージを構築します。

3. アプリケーションの実行

イメージを構築した後、次のコマンドを使用してアプリケーションを実行できます。

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

このコマンドはコンテナを実行し、コンテナのポート 7860 をホストのポート 7860 にマップし、Web ブラウザを通じて Gradio アプリケーションにアクセスできるようにします。

4. アプリケーションへのアクセス Docker コンテナが実行されたら、Web ブラウザを開いて http://localhost:7860 に移動し、Gradio アプリケーションと対話します。

ボンネットの下で

Docker コンテナーと gradio アプリは両方とも次のフローに従います。

1. src/ingest_data.py: データの抽出と ChromaDB ベクトル データベースへの取り込み。ディスク上に保存されます。
2. src/app.py: オーケストレーション用の langchain によって駆動される、gradio アプリの初期化。

ディレクトリとファイル

• データ：
  • source.md: Sajal Sharma に関する情報のソース (マークダウン形式)。
  • chroma_db: chromadb の永続ディレクトリ。
• ソース:
  • app.py: アプリのエントリポイント、gradio アプリのコード。
  • graph.py: langgraph オーケストレーション グラフのコード。
  • ingest_data.py: データの抽出、変換、取り込みのためのコード。
  • retriever.py: ChromaDb ベクトル インデックスを検索するためのコード。
  • chains/*.py: 特定の LLM 機能用のカスタムおよびすぐに使える langchain チェーン。

コンポーネント

• チャンク化されたドキュメントのインデックス作成と検索のための ChromaDB。
• フローエンジニアリング用のラングチェーン。
• LLM 呼び出しを実行するための OpenAI モデル。
• 基本的なチャット フロントエンド用の Gradio。
• 迅速なトレースのための Langsmith。

GenAI アプリの機能とアーキテクチャ

このアプリケーションは、プロンプト、チェーン、ツール、LLM 関数呼び出し、およびフロー エンジニアリングにラングチェーンを多用しており、高度な使用例のいくつかを示しています。

高レベルのアーキテクチャ:

ユーザーからの各受信メッセージは、意図認識、RAG、修正 RAG、および smalltalk チェーンのモジュールを通過します。

次の図は、チャット アプリへの各受信ユーザー メッセージのフローを表しています。