Demonstrações do Amazon OpenSearch e LangChain

Antes de começar

Certifique-se de ter Python e streamlit instalados.
Clonar este repositório

Configurar o Amazon OpenSearch

Crie uma coleção Amazon OpenSearch Serverless (digite Vector search e escolha a opção Easy create ) – documentação.

Crie um índice com a configuração abaixo:

Carregar dados no OpenSearch

Baixe a Carta aos Acionistas Amazon 2022 e coloque-a no mesmo diretório.

Crie um arquivo .env e forneça as seguintes informações sobre a configuração do Amazon OpenSearch:

opensearch_index_name= '  '
opensearch_url= '  '
engine= ' faiss '
vector_field= ' vector_field '
text_field= ' text '
metadata_field= ' metadata '

Certifique-se de ter configurado o Amazon Bedrock para acesso em sua máquina local. Além disso, você precisa de acesso ao modelo de incorporação amazon.titan-embed-text-v1 e ao modelo anthropic.claude-v2 no Amazon Bedrock - siga estas instruções para obter detalhes.

Carregar dados PDF:

python3 -m venv myenv
source myenv/bin/activate
pip3 install -r requirements.txt

python3 load.py

Verifique os dados na coleção OpenSearch

Execute o aplicativo de pesquisa semântica

streamlit run app_semantic_search.py --server.port 8080

Você pode fazer perguntas, como:

What is Amazon ' s doing in the field of generative AI?
What were the key challenges Amazon faced in 2022?
What were some of the important investments and initiatives mentioned in the letter?

Execute o aplicativo RAG

Em um terminal diferente:

 source myenv/bin/activate
streamlit run app_rag.py --server.port 8081

Você pode fazer perguntas, como:

What is Amazon ' s doing in the field of generative AI?
What were the key challenges Amazon faced in 2022?
What were some of the important investments and initiatives mentioned in the letter?