หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

โครงการอุตสาหกรรมค้าปลีก GenAI

โปรเจ็กต์นี้ใช้ระบบโมเดลภาษา (LLM) แบบ end-to-end ที่สามารถโต้ตอบกับฐานข้อมูล MySQL ผู้ใช้สามารถถามคำถามในภาษาธรรมชาติ และระบบจะสร้างคำตอบโดยการแปลงคำถามเหล่านี้เป็นแบบสอบถาม SQL และดำเนินการบนฐานข้อมูล MySQL

ภาพรวมโครงการ

ระบบได้รับการออกแบบมาเพื่อจัดการกับคำถามที่เกี่ยวข้องกับข้อมูลสินค้าคงคลัง การขาย และส่วนลดที่จัดเก็บไว้ในฐานข้อมูล MySQL มันสามารถตอบคำถามเช่น:

  • เสื้อยืด Adidas สีขาวมีในสต็อกกี่ตัว?
  • ร้านค้าของเราจะสร้างยอดขายได้มากเพียงใดหากเราขายเสื้อยืดขนาดเล็กพิเศษทั้งหมดหลังจากใช้ส่วนลดแล้ว

รูปภาพตัวอย่างแอป

กองเทคโนโลยี

  • Google ราศีเมถุน
  • การฝังใบหน้ากอด
  • Streamlit สำหรับ UI
  • กรอบการทำงานของแลงเชน
  • Chromadb เป็นที่เก็บเวกเตอร์
  • การเรียนรู้แบบไม่กี่ช็อต

โครงสร้างโครงการ 

 genai_retail_industry_project
 ┣ database
 ┃ ┗ create_db.sql
 ┣ exp
 ┃ ┗ testing.ipynb
 ┣ src
 ┃ ┣ __pycache__
 ┃ ┃ ┣ __init__.cpython-310.pyc
 ┃ ┃ ┣ langchain_sql.cpython-310.pyc
 ┃ ┃ ┗ utils.cpython-310.pyc
 ┃ ┣ __init__.py
 ┃ ┣ langchain_sql.py
 ┃ ┗ utils.py
 ┣ README.md
 ┣ app.py
 ┗ requirements.txt

การติดตั้ง

  1. โคลนที่เก็บนี้ไปยังเครื่องของคุณ: 

     git clone https://github.com/yourusername/genai_retail_industry_project.git

  2. นำทางไปยังไดเร็กทอรีโครงการ: 

     cd genai_retail_industry_project

  3. ติดตั้งการพึ่งพาที่จำเป็น: 

     pip install -r requirements.txt

  4. สร้างไฟล์ .env ในไดเรกทอรีรากและเพิ่มคีย์ Google API ของคุณ: 

     GOOGLE_API_KEY="your_api_key_here"

การใช้งาน

  1. เรียกใช้แอป Streamlit: 

     streamlit run app.py

  2. เว็บแอปจะเปิดขึ้นในเบราว์เซอร์ของคุณ ซึ่งคุณสามารถถามคำถามเกี่ยวกับข้อมูลการขายปลีกได้

คำถามตัวอย่าง

  • เสื้อยืดมีเหลืออยู่ทั้งหมดกี่ตัว?
  • เสื้อยืด Nike ไซส์ XS และสีขาวเหลือกี่ตัวครับ?
  • ราคารวมของสินค้าสำหรับเสื้อยืดไซส์ S ทั้งหมดคือเท่าไหร่?
  • หากเราขายเสื้อ Adidas ขนาดเล็กทั้งหมดในวันนี้หลังจากหักส่วนลดแล้ว ยอดขายจะเกิดขึ้นได้เท่าไร?

ใบอนุญาต

โครงการนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT

รับทราบ

โครงการนี้ได้รับการพัฒนาเพื่อเป็นแบบฝึกหัดการเรียนรู้ในการประยุกต์โมเดลภาษาขนาดใหญ่ (LLM) ในอุตสาหกรรมค้าปลีกที่มีการโต้ตอบกับฐานข้อมูล SQL โดยเฉพาะ ขอขอบคุณเป็นพิเศษต่อชุมชนโอเพ่นซอร์สสำหรับการจัดหาเครื่องมือและห้องสมุดที่ทำให้สิ่งนี้เป็นไปได้

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด