RepoChat 200k

200k의 repochat -No Rag!

rag 대신 200k 컨텍스트의 클로드 창

왜 repochat- 헝겊이 없습니까?

Claude 200k를 활용하십시오! 모든 예와 코드를 컨텍스트에 넣으십시오!

우리는 때때로 에이전트보다는 사본이 필요합니다!

1. 채팅뿐만 아니라 가장 마지막 문서와 함께 코드를 작성하십시오.

llama-index 또는 langchain의 모든 API를 암기하는 데 어려움이 있습니까?

걱정할 필요가 없습니다. 구성 요소 예제와 Repo의 문서를 포함시키고 Claude Opus를 포함시켜 200k의 가장 강력한 모델이자 긴 컨텍스트 창입니다.

2. 복사 페이스트가없고 선택하십시오

GitHub에서 Repo를 다운로드/복제 한 다음 원하는 파일을 선택하십시오. 프롬프트 구성을 다루었습니다.

3. 헝겊이 없어, 당신은 결정합니다

리포 프로젝트와의 많은 대화를 보았습니다. 모두 고통을 가지고 있습니다.

Which files do this query need?

그들은 코드 데이터베이스에 포함 된 검색을 사용하지만 대부분의 시간에 나는 내가 참조하는 문서를 이미 알고 있으므로 코딩 할 때 매번 자신의 선택을하십시오.

• 코딩 프론트 엔드? 구성 요소와 예제 만 선택하십시오.

• 코딩 에이전트? Langgraph의 Jupyter Notebook 만 선택하십시오.

• 코딩 래그? Llamaindex의 Jupyter Notebook 만 선택하십시오.

4. 더 많은 사용 사례!

llamaindex doc을 사용하십시오

래그 그래프를 작성하려면 파이프 라인의 llamaindex 예제를 선택하십시오.

Shadcn Doc을 사용하여 프론트 엔드를 작성하십시오

예제 및 구성 요소 정의를 선택하십시오.

제안!

1. 대부분의 경우 Haiku를 사용할 수 있습니다.
2. 작업에 따라 모델을 변경합니다.
3. 작업에 따라 파일을 변경합니다.
4. 당신이 좋아하는 클론 리포지토리!
5. 보통 나는 Claude가 더 잘 이해하도록 돕기 위해 Repo의 README를 포함시킬 것입니다.
6. 사이드 바에서 COUNT TOKENS 사용하여 보낼 토큰 수를 확인하십시오 !!!

특징

1. 저장소 다운로드 : 사용자는 GitHub 리포지토리 URL을 제공 할 수 있으며 응용 프로그램은 저장소를 자동으로 다운로드하여 분석합니다.
2. 파일 및 폴더 선택 : 사용자는 LLM의 입력에 포함 할 저장소에서 특정 파일 또는 폴더를 선택할 수 있습니다.
3. 언어 필터링 : 사용자는 언어를 프로그래밍하여 파일을 필터링하여 코드베이스의 특정 부분에 대한 LLM의 이해에 초점을 맞출 수 있습니다.
4. 토큰 한도 : 사용자는 LLM에 전송 된 정보의 양을 제어하기 위해 토큰 한도를 설정할 수 있으며, 이는 성능 또는 비용 고려 사항에 유용 할 수 있습니다.
5. 채팅 인터페이스 : 사용자는 채팅 스타일 인터페이스를 통해 LLM과 상호 작용하여 리포지토리 내용을 기반으로 질문을하거나 코드 생성을 요청할 수 있습니다.
6. 스트리밍 출력 : LLM의 응답은 스트리밍 방식으로 표시되어보다 매력적이고 실시간 사용자 경험을 제공합니다.

현재 OpenRouter 만 지원했습니다. 언젠가 더 많은 것을 추가하고 리팩터를 리팩터링 할 계획입니다.

시작하세요

1. 환경 설정 : 환경 설정을 위해 pip install -r requirements.txt 실행합니다.

2. .env 파일 만들기 : 프로젝트의 루트 디렉토리에서 .env 파일을 만들고 OpenRouter API 키를 추가 (권장) :

OPENROUTER_API_KEY=your_openrouter_api_key_here

모든 모델이 있으므로 OpenRouter를 권장합니다!

OpenAI GPT 모델을 사용하려면 openai api key 도 추가하십시오.

OPENAI_API_KEY=your_openai_api_key_here

3. 응용 프로그램 실행 : sleamlit을 사용하여 app.py 스크립트를 실행하십시오.

streamlit run app.py

4. 응용 프로그램 사용 : 응용 프로그램의 지침을 따라 GitHub 저장소를 다운로드하고 파일 및 폴더를 선택한 다음 LLM과 채팅하십시오.

Repo와 관련된 몇 가지 문제가 발생하면 언제든지 repo dir를 ./repos dir로 삭제하고 다시 다운로드 할 수 있습니다.

구성

응용 프로그램의 동작은 다음 구성 옵션을 통해 사용자 정의 할 수 있습니다.

• 모델 : 사용할 특정 LLM 모델 (예 : "Anthropic/Claude-3-Haiku", "Anthropic/Claude-3-Opus").
• 온도 : LLM 응답의 "창의성"을 제어하는 ​​온도 매개 변수.
• 시스템 프롬프트 : 원하는 동작을 설정하기 위해 LLM에 주어진 초기 프롬프트.

이 설정은 간소화 응용 프로그램의 사이드 바에서 조정할 수 있습니다.

기여

Repochat-200k 프로젝트에 기여하려면 Github 저장소에 문제를 제출하거나 요청을 가져 오십시오.

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다.