open source slack ai

Приложение с открытым исходным кодом Slack AI

Этот репозиторий-готовое к управлению основным решением AI Slack, которое вы можете разместить и разблокировать возможность суммирования потоков и каналов по требованию с помощью OpenAI (поддержка альтернативных и открытых LLMS будет добавлена, если есть спрос). Официальный продукт Slack AI выглядит великолепно, но с ограниченным доступом и дополнительному цену я решил открыть исходные коэффициенты, которую я построил в сентябре 2023 года. Узнайте больше о том, как и почему я построил AI с открытым исходным кодом Slack.

После работы (инструкции для всего процесса приведены ниже), все ваши пользователи Slack смогут генерировать как для публичного, так и частного:

1. Резюме резьбы -генерируйте подробную резюме любой слабых потоков (питается от GPT-3.5-Turbo)
2. Обзоры каналов - генерируйте схему цели канала на основе расширенной истории сообщений (приводятся в основе ансамбля моделей NLP и небольшого GPT -4, чтобы объяснить анализ на естественном языке)
3. Резюме канала с момента -генерируйте подробную резюме сообщений канала с момента данного момента времени (питается от GPT-3.5-Turbo). Теперь при поддержке пользовательских подсказок! Например /tldr_since anonymize the summary . Примечание: это еще не включает потоки.
4. Полные резюме канала (экспериментальная)-генерируйте подробную резюме расширенной истории канала (приводятся в действие GPT-3.5-Turbo). Теперь при поддержке пользовательских подсказок! Например /tldr_extended anonymize the summary . Примечание: это может стать очень долго!

Оглавление

• Начиная
  • Предварительные условия
  • Установка
  • Использование
  • Настройка
• Тестирование
• Будущие улучшения
• Внося

Начиная

Следуйте этим инструкциям, чтобы получить копию проекта и запуска на местной машине для разработки и тестирования.

Предварительные условия

Убедитесь, что у вас есть следующая предварительно настроенная или установленная на локальной машине разработки:

• Python 3.9.x - 3.11.x
• OpenAI API -ключ
• Slack App & Associated API токены
• Менеджер поэтических пакетов
• ngrok (рекомендуется)

Установка

1. Клонировать репозиторий на местную машину.
2. Перейдите к каталогу проекта.
3. Установите необходимые пакеты Python, используя поэзию:

poetry install

4. Установите словарь

poetry run python -m spacy download en_core_web_md

5. Создайте файл .env в корневом каталоге проекта и заполните его своими клавишами API и токенами. Используйте файл example.env в качестве шаблона.

cp example.env .env && open .env

Slack App Configuration

Сделайте копию manifest.json и измените URL -адрес запроса на свой URL -адрес ngrok или сервер.

Создайте новое приложение Slack здесь и настройте его, используя свой файл manifest.yaml .

Вам не нужно вносить какие -либо другие изменения, но вы можете изменить имя, описание и другие настройки, связанные с копией.

Если вы хотите настроить имя команд SLASH, вам нужно изменить slack_server.py .

После настройки извлеките «Token" BOT User OAuth "со страницы« Установка приложения »и добавьте его в свой файл .env как SLACK_BOT_TOKEN .

Затем на странице основной информации под заголовком токенов на уровне приложения Создайте токен с connections:write и добавьте его в свой файл .env в качестве SLACK_APP_TOKEN .

Использование

Чтобы запустить приложение, запустите сервер FASTAPI:

poetry run uvicorn ossai.slack_server:app --reload

Затем вам нужно будет разоблачить сервер в Интернет с помощью NGROK.

Запустите Ngrok со следующей командой: ngrok http 8000

Затем добавьте URL Ngrok в настройки вашего приложения Slack.

Настройка

Основные параметры настройки:

• Резюме канала: настраивайте подсказку CHATGPT в topic_analysis.py
• Резюме потока: Настройте подсказку CHATGPT в summarizer.py

Тестирование

В этом проекте используются pytest и pytest-cov для запуска тестов и измерения тестового покрытия.

Следуйте этим шагам, чтобы запустить тесты с покрытием:

1. Перейдите в каталог Project Root.

2. Запустите следующую команду, чтобы выполнить тесты с покрытием:

   pytest --cov=ossai tests/

   Эта команда будет запускать все тесты в tests/ каталоге и генерирует отчет о покрытии для модуля ossai .

3. После запуска тестов вы увидите отчет в вашем терминале, который показывает процент кода, охватываемого тестами, и выделяет любые строки, которые не покрываются.

Обратите внимание, что если вы используете виртуальную среду, убедитесь, что она активирована перед выполнением этих команд.

Будущие улучшения

• Переехать в Langchain & Langsmith для расширения, отслеживания и контроля
• Используйте возможности обратной связи Лэнгсмит, чтобы захватить и учиться на отзыве пользователей
• Добавьте команду A /tldr_since , чтобы суммировать сообщения канала с даты
• Добавить детали настройки приложений Slack и образец приложения MANIFEST в README
• Включите резьбовые разговоры в резюме на уровне канала
• Реализуйте Evals Suite для дополнения модульных тестов
• Добавьте поддержку альтернативного и открытого источника LLMS
• Изучите рабочий процесс для сбора моделей данных и тонкой настройки для снижения затрат
• Добавить поддержку для анонимных резюме сообщений
• Краткие инструменты, такие как цепочка судьбы
• Добавьте поддержку для привлечения вспомогательного контекста из внешних источников, таких как базы знаний компании
• Изучите кэширование и другие оптимизации производительности
• Изучите анализ настроений

Внося

Я более чем приветствую вклад! Пожалуйста, прочитайте CONTRIBUTING.md для получения подробной информации о том, как отправить отзывы, ошибки, запросы на функции, улучшения или ваши собственные запросы на привлечение.

Лицензия

Этот проект лицензирован по лицензии GPL -3.0 - для получения подробной информации см. В файле LICENSE.md .