document answer langchain pinecone openai

Langchain, Pinecone 및 Openai로 답변을 문서화하십시오

Langchain은 Pinecone 및 OpenAi의 임베딩으로 문서를 처리하고 쿼리하기 위해 사용하기 쉬운 통합을 제공합니다. 이 저장소를 사용하면 PDF를로드하고 내용을 분할하고 임베딩을 생성하며 위에서 언급 한 도구를 사용하여 질문 응답 시스템을 만들 수 있습니다.

저장소 구조 :

• embbeding_doc.py : PDF를로드하고, 내용을 분할하고, OpenAI를 사용하여 임베딩을 생성하고, Pinecone으로 저장하기위한 기본 스크립트.
• constants.py : 저장소에 사용되는 상수를 보유합니다.
• app.py : 질문 응답 체인을 사용하여 내장 된 문서를 쿼리 할 수있는 간소화 된 응용 프로그램.

요구 사항 :

1. 파이썬 3+
2. PENECONE API 키
3. Openai API 키
4. 간소
5. 코드에 표시된 필수 모듈 (예 : Langchain, Pinecone)

빠른 시작 :

1. 구성 설정 :

   • 다음을 정의하는 config.py 파일을 작성해야합니다.

      OPENAI_API_KEY = 'YOUR_OPENAI_API_KEY'
     PINECONE_API_KEY = 'YOUR_PINECONE_API_KEY'
     PINECONE_API_ENVIRONMENT = 'YOUR_PINECONE_ENVIRONMENT'

2. embbeding_doc.py 실행하십시오 :

   • 제공된 PDF를로드하고 컨텐츠를 분할하고 임베딩을 생성 한 후 Pinecone에 저장합니다.

     $ python embbeding_doc.py

3. 간소화 응용 프로그램 시작 :

   • 간소화를 사용하여 app.py 스크립트를 실행하십시오.

     $ streamlit run app.py

   • 애플리케이션이 실행되면 PDF 컨텐츠와 관련된 질문을 입력 할 수 있으며 생성 된 임베딩 및 질문 응답 체인을 사용하여 관련 답변을 제공합니다.

중요한 메모 :

• 이것은 샘플 설정입니다. 요구 사항에 따라 문서로드, 분할 및 임베딩 전략을 수정할 수 있습니다.
• OpenAI API 키 및 Pinecone API 키가 기밀로 유지되어 공개 리포지토리로 추진되지 않도록하십시오.