Демонстрации Amazon OpenSearch и LangChain

Прежде чем начать

Убедитесь, что у вас установлены Python иstreamlit.
Клонировать этот репозиторий

Настройка Amazon OpenSearch

Создайте бессерверную коллекцию Amazon OpenSearch (введите «Векторный поиск» и выберите параметр «Простое создание» ) — документация.

Создайте индекс с приведенной ниже конфигурацией:

Загрузить данные в OpenSearch

Загрузите письмо Amazon 2022 акционерам и поместите его в тот же каталог.

Создайте файл .env и укажите следующую информацию о настройке Amazon OpenSearch:

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

Убедитесь, что вы настроили Amazon Bedrock для доступа с вашего локального компьютера. Кроме того, вам понадобится доступ к модели внедрения amazon.titan-embed-text-v1 и модели anthropic.claude-v2 в Amazon Bedrock — для получения подробной информации следуйте этим инструкциям.

Загрузить данные PDF:

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

python3 load.py

Проверка данных в коллекции OpenSearch

Запустите приложение семантического поиска

streamlit run app_semantic_search.py --server.port 8080

Вы можете задавать вопросы, например:

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?

Запустите приложение RAG

В другом терминале:

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

Вы можете задавать вопросы, например:

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?