webwhiz

webwhiz

Treine o ChatGPT nos dados do seu site e crie um chatbot de IA que pode responder instantaneamente às dúvidas dos seus clientes.

webwhiz "style="largura máxima: 100%;">

Recursos principais

• Fácil Integração
• Respostas específicas de dados
• Atualizações regulares de dados
• Nenhum construtor de código
• Personalize o chatbot
• Afinação
• Mensagem off-line

? Como funciona❓

Crie e treine um chatbot para o seu site em apenas algumas etapas simples.

• Basta inserir o URL do seu site para começar. Buscaremos e prepararemos automaticamente os dados de treinamento.
• Treinaremos automaticamente o ChatGPT em seu site com base nos parâmetros selecionados e criaremos o chatbot para você.
• Para incorporar o chatbot ao seu site, basta adicionar a pequena tag de script ao seu site.

---

?‍♂️ Perguntas frequentes ❓

O que é webwhiz ?

webwhiz permite que você treine ChatGPT nos dados do seu site e crie um chatbot que você pode adicionar ao seu site. Nenhuma codificação necessária.

Com que frequência você rastreia meu site?

Atualmente rastreamos seu site uma vez por mês. Entre em contato conosco se precisar que seu site seja verificado com mais frequência

Que dados você coleta do meu site?

webwhiz coleta dados das páginas do seu site para treinar seu chatbot. Isso inclui dados de texto das páginas, bem como quaisquer metadados, como títulos ou descrições de páginas. Não coletamos nenhuma informação de identificação pessoal (PII) ou dados confidenciais do seu site. Verificamos apenas dados públicos disponíveis para mecanismos de pesquisa

O que acontece se eu ultrapassar os limites do meu plano?

Se você exceder os limites do seu plano para projetos ou páginas, nós o notificaremos. No entanto, se você exceder o limite de tokens do seu plano, seus chatbots deixarão de gerar respostas de IA e responderão com uma mensagem predefinida.

O que são fichas?

Tokens são uma unidade de medida usada para calcular a quantidade de dados de texto processados ​​pelo seu chatbot. Cada token corresponde a um número variável de caracteres, dependendo da complexidade da linguagem utilizada na mensagem. Cada mensagem que seu chatbot envia usa um certo número de tokens com base no comprimento e complexidade da entrada e na resposta da IA. Você pode visualizar o uso atual do token da sua conta no painel.

Posso treinar dados personalizados?

Sim, você pode treinar dados personalizados simplesmente colando o conteúdo no webwhiz

Posso trazer minha própria chave AI aberta

No momento não, mas será possível em alguns dias.

Qual é o tamanho máximo do contexto?

webwhiz tem quaisquer limitações quanto ao tamanho do contexto. No entanto, observe que o número de páginas que você pode rastrear pode ser limitado com base no plano escolhido. Consulte nossa página de planos para saber mais sobre as limitações específicas de cada plano.

? Licença

webwhiz é de código aberto sob a Licença Pública Geral GNU Affero Versão 3 (AGPLv3)

SDK webwhiz

O SDK webwhiz está disponível em NPM, CDNs e GitHub.

• NPM - NPM é um gerenciador de pacotes para a linguagem de programação JavaScript. Você pode instalar webwhiz usando o seguinte comando

  npm install webwhiz

• CDN Use diretamente do CDN

    https://www.unpkg.com/[email protected]/dist/sdk.js

☁️ Auto-hospedagem

1. Docker - Fácil
2. Configuração manual – envolvida (mas oferece mais flexibilidade)

? Docker

Pré-requisitos

• Docker e docker-compose

Executando webwhiz com docker

1. Clonar o repositório
2. Edite o arquivo .env.docker presente na raiz do repositório e adicione seu OPENAI_KEY & OPENAI_KEY_2
3. Use docker-compose para iniciar a pilha

 # 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-recreate

? Manual

webwhiz foi projetado para ser usado como um chatbot de nível de produção que pode ser ampliado ou reduzido para lidar com qualquer volume de dados.

webwhiz consiste principalmente em 3 componentes

1. O servidor API - Este é o servidor web backend principal webwhiz usando NestJS
2. JS Celery Worker - Lida com rastreamento e geração de embeddings
3. Python Celery Worker - Calculadora de similaridade de cosseno de contêiner e extrator de conteúdo HTML/PDF

Para banco de dados e cache, webwhiz usa

• MongoDB
• Redis

O servidor backend usa serviços de terceiros (incluindo OpenAI) para alimentar o chatbot, bem como para monitoramento de erros, etc. Apenas a chave OpenAI é obrigatória e você pode ignorar as outras se preferir.

NOTA: webwhiz mantém embeddings no Redis para melhorar o desempenho das respostas do chatbot. Para a maioria das organizações, os chatbots criados conteriam dados para algumas centenas ou milhares de páginas, e o Redis deveria funcionar bem, proporcionando melhor desempenho. Se você quiser usar um banco de dados de vetores dedicado para pesquisar pedaços relevantes, entre em contato conosco.

Pré-requisitos

• MongoDB v6
• Redis v7
• Nó v18 + Fio
• Python v3.6+

Configurando variáveis ​​de ambiente

1. Crie uma cópia do arquivo .env.sample e renomeie como .env

As seguintes variáveis ​​​​são obrigatórias

• HOST - IP ao qual o servidor web deve se vincular normalmente 0.0.0.0
• PORT - Porta na qual o servidor web deve escutar (padrão 3000)
• SECRET_KEY – Segredo usado para criptografia (JWT, etc).
• MONGO_URI - uri do MongoDB a ser usado
• MONGO_DBNAME - Nome do banco de dados dentro do MongoDB
• OPENAI_KEY - chave da API OpenAI
• OPENAI_KEY_2 - Chave alternativa da API OpenAI, usada quando a principal gera erro. Você pode usar a mesma chave de API para ambos se não quiser fornecer duas chaves de API separadas

2. Dentro da pasta de trabalho, crie uma cópia de .env.sample e renomeie como .env .

Defina o valor para as seguintes variáveis ​​- MONGO_URI , MONGO_DBNAME , REDIS_HOST , REDIS_PORT

Instalando dependências e executando o aplicativo

Na pasta raiz, execute os seguintes comandos

 # 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

Isso iniciará o servidor http backend, o trabalhador js e o trabalhador python

Front-end

Crie o arquivo .env na pasta frontend e adicione as seguintes variáveis

REACT_APP_BASE_URL= ' https://api.website.com '
GOOGLE_AUTH_ID= ' Only if you need google login '

Na pasta frontend execute os seguintes comandos para iniciar o servidor

 # Install dependencies
npm install

# Run front end app
npm run start

Execute npm run build para empacotar o aplicativo frontend

Se você enfrentar qualquer problema, entre em contato com hi@ webwhiz .ai