hello sajal

안녕하세요 사잘님!

개요

이 프로젝트는 간편한 상호 작용을 위해 Gradio 인터페이스와 통합된 Langchain Expression Language 및 LangGraph를 포함한 Langchain의 최신 기능과 함께 OpenAI의 GPT-4 모델을 활용하는 포괄적인 챗봇 애플리케이션을 선보이도록 설계되었습니다.

손쉬운 배포와 확장성을 위해 Docker 컨테이너에 캡슐화되어 있습니다.

시작하기

Docker 컨테이너 구축

1. 저장소를 로컬 머신에 복제합니다.

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

2. 프로젝트에 제공된 Dockerfile에서 Docker 이미지를 빌드합니다.

 docker build -t hello-sajal-app .

이 명령은 Dockerfile의 지침에 따라 hello-sajal-app이라는 Docker 이미지를 빌드합니다.

3. 애플리케이션 실행

이미지를 빌드한 후 다음 명령을 사용하여 애플리케이션을 실행할 수 있습니다.

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

이 명령은 컨테이너를 실행하고 컨테이너의 포트 7860을 호스트의 포트 7860에 매핑하므로 웹 브라우저를 통해 Gradio 애플리케이션에 액세스할 수 있습니다.

4. 애플리케이션 액세스 Docker 컨테이너가 실행되면 웹 브라우저를 열고 http://localhost:7860으로 이동하여 Gradio 애플리케이션과 상호 작용합니다.

후드 아래

Docker 컨테이너와 Gradio 앱 모두 다음 흐름을 따릅니다.

1. src/ingest_data.py: ChromaDB 벡터 데이터베이스로의 데이터 추출 및 수집은 디스크처럼 유지됩니다.
2. src/app.py: 오케스트레이션을 위해 langchain에 의해 구동되는 그라디오 앱 초기화.

디렉터리 및 파일

• 데이터:
  • source.md: Sajal Sharma에 대한 마크다운 형식의 정보 소스입니다.
  • chrom_db:chromdb용 지속 디렉토리입니다.
• 소스:
  • app.py: 앱의 진입점, 그라디오 앱의 코드입니다.
  • graph.py: langgraph 오케스트레이션 그래프의 코드입니다.
  • ingest_data.py: 데이터 추출, 변환 및 수집을 위한 코드입니다.
  • 검색기.py: ChromaDb 벡터 인덱스를 검색하기 위한 코드입니다.
  • chains/*.py: 특정 LLM 기능을 위한 맞춤형 및 즉시 사용 가능한 langchain 체인입니다.

구성요소

• 청크된 문서를 색인화하고 검색하기 위한 ChromaDB.
• 흐름공학을 위한 Langchain.
• LLM 호출 실행을 위한 OpenAI 모델.
• 기본 채팅 프론트엔드용 Gradio.
• 신속한 추적을 위한 Langsmith.

GenAI 앱 기능 및 아키텍처

이 애플리케이션은 프롬프트, 체인, 도구, LLM 함수 호출 및 흐름 엔지니어링을 위해 langchain을 많이 활용하여 일부 고급 사용 사례를 보여줍니다.

상위 수준 아키텍처:

사용자로부터 들어오는 각 메시지는 의도 인식, RAG, 수정 RAG 및 스몰토크 체인용 모듈을 거칩니다.

다음 다이어그램은 채팅 앱으로 들어오는 각 사용자 메시지의 흐름을 나타냅니다.