webwhiz
1.0.0
ウェブサイトのデータで ChatGPT をトレーニングし、顧客の質問に即座に回答できる AI チャットボットを構築します。
webwhiz " style="max-width: 100%;">
いくつかの簡単な手順で、Web サイト用のチャットボットを作成してトレーニングできます。
webwhiz使用すると、Web サイト データで ChatGPT をトレーニングし、Web サイトに追加できるチャットボットを構築できます。コーディングは必要ありません。
現在、私たちはあなたのウェブサイトを月に一度クロールしています。ウェブサイトをより頻繁にスキャンする必要がある場合は、お問い合わせください。
webwhizチャットボットをトレーニングするために Web サイトのページからデータを収集します。これには、ページのテキスト データに加えて、ページ タイトルや説明などのメタデータが含まれます。当社は、お客様の Web サイトから個人を特定できる情報 (PII) や機密データを収集しません。検索エンジンが利用できる公開データのみをスキャンします
プロジェクトまたはページのプランの制限を超えた場合は、通知されます。ただし、プランのトークン制限を超えると、チャットボットは AI 応答の生成を停止し、代わりに事前定義されたメッセージで応答します。
トークンは、チャットボットによって処理されるテキスト データの量を計算するために使用される測定単位です。各トークンは、メッセージで使用される言語の複雑さに応じて、可変数の文字に対応します。チャットボットが送信する各メッセージは、入力および AI 応答の長さと複雑さに基づいて、特定の数のトークンを使用します。アカウントの現在のトークン使用状況はダッシュボードで確認できます。
はい、コンテンツをwebwhizに貼り付けるだけでカスタム データをトレーニングできます。
現時点ではできませんが、数日以内には可能になるでしょう。
webwhizコンテキストのサイズに制限があります。ただし、選択したプランによってはクロールできるページ数が制限される場合があることに注意してください。各プランの具体的な制限の詳細については、プランのページを参照してください。
webwhiz GNU Affero General Public License バージョン 3 (AGPLv3)に基づくオープンソースです。
webwhiz SDK は、NPM、CDN、および GitHub で入手できます。
NPM - NPM は、JavaScript プログラミング言語のパッケージ マネージャーです。次のコマンドを使用してwebwhizインストールできます
npm install webwhizCDN CDN から直接使用する
https://www.unpkg.com/[email protected]/dist/sdk.js前提条件
docker でwebwhiz実行する
.env.dockerファイルを編集し、 OPENAI_KEYとOPENAI_KEY_2を追加します。 # Bring up webwhiz
# Once the building is done and webwhiz starts the UI will be available at
# http://localhost:3030, backend is available at http://localhost:3000
# To exit Press Ctrl-C
docker-compose up
# Alternatively Run webwhiz as a daemon
docker-compose up -d
# Stop webwhiz
docker-compose down
# Force rebuild all containers (required only if some change is not picked up)
sudo docker-compose up --build --force-recreatewebwhizは、あらゆる量のデータを処理できるようにスケールアップまたはスケールダウンできる実稼働グレードのチャットボットとして使用するように設計されています。
webwhiz主に 3 つのコンポーネントで構成されます
データベースとキャッシュのwebwhizの用途
バックエンド サーバーは、チャットボットの動作やエラー監視などにサード パーティのサービス (OpenAI を含む) を使用します。OpenAI キーのみが必須で、必要に応じて他のキーは無視できます。
注: webwhizチャットボット応答のパフォーマンスを向上させるために Redis に埋め込みを保持します。ほとんどの組織では、作成されるチャットボットには数百または数千ページのデータが含まれており、Redis はより優れたパフォーマンスを提供しながら適切に機能するはずです。関連チャンクの検索に専用のベクター データベースを使用したい場合は、お問い合わせください。
.env.sampleファイルのコピーを作成し、名前を.envに変更します。次の変数は必須です
0.0.0.0.env.sampleのコピーを作成し、名前を.envに変更します。次の変数の値を設定します - MONGO_URI 、 MONGO_DBNAME 、 REDIS_HOST 、 REDIS_PORT
ルートフォルダーから次のコマンドを実行します
# Install node dependencies
yarn install
# Install python worker dependencies
cd workers
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# Run application with pm2
cd ..
yarn run build
npm install -g pm2 # Use sudo if required
pm2 start ecosystem.config.jsこれにより、バックエンド http サーバー、js ワーカー、および Python ワーカーが起動します。
フロントエンドフォルダーに.envファイルを作成し、次の変数を追加します。
REACT_APP_BASE_URL= ' https://api.website.com '
GOOGLE_AUTH_ID= ' Only if you need google login 'フロントエンド フォルダーから次のコマンドを実行してサーバーを起動します。
# Install dependencies
npm install
# Run front end app
npm run start npm run build実行してフロントエンド アプリをパッケージ化する
問題が発生した場合は、hi@ webwhiz .ai までご連絡ください。
