lauzcom assistant

lauzcom assistant

lauzcom assistant — это интерактивное и удобное решение, предназначенное для обеспечения беспрепятственного доступа к важным данным Swisscom. Благодаря интеграции мощных моделей GPT клиенты могут легко задавать вопросы об общедоступных данных Swisscom и быстро получать точные ответы.

Попрощайтесь с трудоемким поиском вручную и позвольте lauzcom assistant революционизировать ваше взаимодействие с клиентами.

Авторы

Проект lauzcom assistant создан:

• Кармен Маркос
• Даан Розендаль

Оглавление

• Демо
• Архитектура
• Быстрый старт
• Среда разработки
  • Запустите Mongo и Redis
  • Запустите серверную часть
  • Запустите интерфейс
• Лицензия

Демо

Демонстрационное видео

Архитектура

Быстрый старт

Примечание

Убедитесь, что у вас установлен Docker

В macOS или Linux запустите:

./setup.sh

Он устанавливает все зависимости и позволяет загрузить модель локально или использовать OpenAI. LauzHack Assistant теперь работает по адресу http://localhost:5173.

В противном случае выполните следующие действия:

1. Загрузите и откройте этот репозиторий с помощью git clone [email protected]:cern-lauzhack-2023/Lauzcom-Assistant.git .

2. Создайте файл .env в своем корневом каталоге и установите для переменной env API_KEY с вашим ключом API OpenAI и VITE_API_STREAMING значение true или false, в зависимости от того, хотите ли вы передавать ответы в потоковом режиме или нет.

   API_KEY= < YourOpenAIKey >
   VITE_API_STREAMING=true

   См. дополнительные переменные среды в файлах /.env-template и /application/.env_sample.

3. Запустите ./run-with-docker-compose.sh.

4. LauzHack Assistant теперь работает по адресу http://localhost:5173.

Чтобы остановить, нажмите Ctrl + C

Среда разработки

Запустите Mongo и Redis

Для разработки используются только два контейнера из docker-compose.yaml (удалив все сервисы, кроме Redis и Mongo). См. файл docker-compose-dev.yaml.

Бегать:

docker compose -f docker-compose-dev.yaml build
docker compose -f docker-compose-dev.yaml up -d

Запустите серверную часть

Примечание

Убедитесь, что у вас установлен Python 3.10 или 3.11.

1. Экспортируйте необходимые переменные среды или подготовьте файл .env в папке /application .
   • Скопируйте .env_sample и создайте .env с вашим токеном API OpenAI для полей API_KEY и EMBEDDINGS_KEY .

(проверьте application/core/settings.py если хотите увидеть дополнительные параметры конфигурации.)

2. (необязательно) Создайте виртуальную среду Python: следуйте официальной документации Python для виртуальных сред.

   а) В Linux и macOS:

   python -m venv venv
   . venv/bin/activate

   б) В Windows:

   python -m venv venv
   venv/Scripts/activate

3. Установите зависимости для бэкэнда:

pip install -r application/requirements.txt

4. Запустите приложение, используя:

flask --app application/app.py run --host=0.0.0.0 --port=7091

Серверный API теперь работает по адресу http://localhost:7091.

5. Начните рабочий с:

celery -A application.app.celery worker -l INFO

Запустите интерфейс

Примечание

Убедитесь, что у вас установлена ​​версия Node 16 или выше.

1. Перейдите в папку /frontend.
2. Установите необходимые пакеты husky и vite (игнорируйте, если они уже установлены).

npm install husky -g
npm install vite -g

3. Установите зависимости, выполнив:

npm install --include=dev

4. Запустите приложение, используя:

npm run dev

Интерфейс теперь работает по адресу http://localhost:5173.

Лицензия

Лицензией на исходный код является MIT, как описано в файле LICENSE.

Построен с? ? Лангчейн