หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

คำแนะนำของเพล็กซ์

ป้อนภาพยนตร์ที่ดูล่าสุดของคุณลงในเครือข่าย LLM ที่ขับเคลื่อนด้วย RAG เพื่อรับคำแนะนำตามประวัติการดูของคุณ

กำลังเชื่อมต่อกับ Plex ของคุณ

คุณจะต้องมีสองสิ่ง:

  1. ที่อยู่ IP ที่ Plex ของคุณทำงานอยู่
  2. คีย์ Plex ของคุณ คุณสามารถค้นหาคีย์ Plex ได้ในไฟล์ preferences.xml ในพาธการติดตั้งของคุณ ฉันรัน Plex บน Synology NAS โดยใช้ Package Center ดังนั้นฉันจึงพบของฉันใน /PlexMediaServer/AppData/Plex Media Server/Preferences.xml

จัดเตรียมทั้งสองสิ่งนี้ให้กับตัวแปรสภาพแวดล้อม PLEX_ADDRESS และ PLEX_TOKEN

การย้ายข้อมูล

ในการบูตครั้งแรก ระบบจะตรวจพบว่าไลบรารี Plex ของคุณถูกจัดเก็บไว้ในฐานข้อมูลเวกเตอร์หรือไม่ หากไม่เป็นเช่นนั้น สื่อของคุณจะถูกเรียกคืน คุณต้องจัดเตรียมไลบรารีเริ่มต้นเพื่อดาวน์โหลดสื่อจากตัวแปรสภาพแวดล้อม PLEX_DEFAULT_LIBRARY_SECTION คุณจะต้องสอบถาม Plex ด้วยตัวเองเพื่อรับสิ่งนี้ แต่สำหรับฉัน ภาพยนตร์ของฉันอยู่ในส่วนที่ 3 ฉันจะกลับไปที่ส่วนนี้หากคุณไม่ได้ระบุไว้

กำลังเชื่อมต่อกับ LLM ของคุณ

โปรแกรมแนะนำนี้เชื่อมต่อกับ Ollama คุณสามารถนำมาเองหรือเรียกใช้บนคลาวด์ เพียงระบุ OLLAMA_ADDRESS , OLLAMA_EMBEDDING_MODEL และ OLLAMA_LANGUAGE_MODEL เป็นตัวแปรสภาพแวดล้อม

การต่อสายดิน LLM ของคุณ

คุณสามารถค้นหาพรอมต์ RAG ได้ใน backend/internal/pkg/langchain/generate.go สิ่งนี้เขียนขึ้นตามความต้องการเฉพาะของฉัน หากความต้องการของคุณไม่ใช่ความต้องการของฉัน ให้ปรับข้อความแจ้งการต่อลงดินตามลำดับ โปรดทราบว่าหากคุณมีคอลเลกชันสื่อขนาดใหญ่มากซึ่งอาจเกินหน้าต่างบริบทของโมเดลที่คุณใช้อยู่ คุณสามารถปรับจำนวนชื่อเรื่องที่คุณได้รับโดยการปรับขีดจำกัดที่ส่งไปยังตัวรับสื่อใน backend/internal/pkg/plex/api.go

การสร้างและการวิ่ง

เรียบเรียงจากแหล่งที่มา

ดาวน์โหลดที่เก็บนี้และสร้างแอปโดยใช้ go build -o recommendations .backend/cmd/main.go สิ่งนี้จะสร้างไบนารีที่เรียกว่า recommendations ซึ่งคุณสามารถเรียกใช้ด้วย ./recommendations recommendations

การตอบกลับที่เก็บไว้

ฐานข้อมูล Postgres แนบอยู่ที่ ./pg-data และใช้เพื่อแคชคำแนะนำ ชื่อเรื่องที่ให้มาจากการดูล่าสุดจะได้รับการเข้ารหัสและจัดเก็บแบบ base-64 พร้อมกับคำแนะนำแบบปกติที่ LLM มอบให้ แคชนี้จะถูกค้นหาก่อนที่จะขอคำแนะนำ LLM และจะถูกส่งกลับเหมือนกับที่พบ

สภาพแวดล้อม Postgres เริ่มต้น

สภาพแวดล้อม Postgres เริ่มต้นเป็นดังนี้: 

 POSTGRES_PASSWORD=postgres
POSTGRES_USER=postgres
POSTGRES_DB=caches
POSTGRES_PORT=5432
POSTGRES_HOST=postgres

คุณสามารถแทนที่สิ่งนี้ได้โดยระบุค่าของคุณเองให้กับตัวแปรสภาพแวดล้อมเหล่านี้

นักเทียบท่าเขียน

มีไฟล์ docker-compose.yml อยู่ในรูทของ repo นี้ คุณสามารถเรียกใช้ Recommendation Engine และฐานข้อมูล Weaviate ที่เกี่ยวข้องได้โดยการออกคำสั่ง TAG_VERSION=foo docker compose up --build ตรวจสอบให้แน่ใจว่าคุณได้ติดตั้ง Docker และ Docker Compose แล้ว

กำลังทดสอบแอปนี้

มีการทดสอบหลายอย่างในแพ็คเกจภายในที่เกือบทั้งหมดเขียนโดย LLM คุณสามารถทดสอบโปรแกรมนี้ได้โดยใช้ go test ./... จากรูทของ repo นี้ การทดสอบเหล่านี้จะดำเนินการโดยอัตโนมัติเมื่อคุณสร้างด้วย Docker

เปิดการวัดและส่งข้อมูลทางไกล

การติดตาม Open Telemetry ติดตั้งอยู่ในแบ็กเอนด์ หากต้องการใช้สิ่งนี้ทันที ให้ตั้งค่า OTEL_EXPORTER_OTLP_TRACES_ENDPOINT=otlp://jaeger:4317 ในสภาพแวดล้อม และตรวจสอบให้แน่ใจว่าบริการ Jaeger เริ่มต้นจาก Docker Compose ร่องรอยจะถูกรวบรวมใน Jaeger และเข้าถึงได้ที่ http://localhost:16686 เมตริกพร้อมที่จะขยายได้โดยการส่งตัวเลือก telemetry.WithMeter telemetry.InitOtel() คุณจะต้องใช้เครื่องมือวัดด้วยตนเอง

กำลังปิดใช้งานการวัดและส่งข้อมูลทางไกล

Telemetry สามารถปิดใช้งานได้โดยการตั้งค่า DISABLE_TELEMETRY=true ในสภาพแวดล้อมของคุณ โปรดทราบว่าหากใช้ docker compose up คอนเทนเนอร์ Jaeger จะยังคงเริ่มทำงาน

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด