alfresco ai assistants
1.0.0
该存储库包含多个 Alfresco AI 助手，可帮助用户和客户获取所需的信息或执行复杂的任务，通过自然语言简单地传达每个请求。
有关我们演示中发生的情况的“幕后”解释，请参阅 Behind_the_scenes.md。
该存储库包含以下应用程序：
| 姓名 | 主要文件 | 写名字 | 网址 | 描述 |
|---|---|---|---|---|
| 露天文档机器人 | alfresco_docs_bot.py | alfresco_docs_bot | http://本地主机:8503 | 获取 Alfresco 文档并提出问题。 |
| 露天人工智能助手 | alfresco_ai_assistant.py | alfresco_ai_assistant | http://本地主机:8504 | 使用自然语言请求与 Alfresco Content Services 实例交互。 |
可以通过 http://localhost:7474 浏览该数据库。
图TB
用户（用户？）
法学硕士（法学硕士？）
矢量数据库[（矢量数据库）]
raw-docs{{原始文档}}
用户--查询嵌入数据--> 矢量数据库
Vectordb --相关数据--> llm
llm --最终答案--> 用户
raw-docs --提取/分块/嵌入---> vectordb
访问地址：
特征：
图BT
用户（用户？）
法学硕士（法学硕士？）
应用程序编程接口
子图 api[API ?]
发现API
搜索API
节点 API
结尾
子图工具[工具 ]
发现
转换
纂
结尾
用户--查询--> llm
llm --选择--> 工具
工具--调用--> api
api --feed 数据--> llm
llm --最终答案--> 用户
访问地址：
特征：
从环境模板文件env.example创建.env文件
可用变量：
| 变量名 | 默认值 | 描述 |
|---|---|---|
| ALFRESCO_URL | http://本地主机:8080 | 必需 - ACS 实例的基本 URL |
| ALFRESCO_USERNAME | 行政 | 必需 - ACS 实例的用户名 |
| ALFRESCO_PASSWORD | 行政 | 必需 - ACS 实例的密码 |
| OLLAMA_BASE_URL | http://host.docker.internal:11434 | 必需 - Ollama LLM API 的 URL |
| NEO4J_URI | neo4j://数据库:7687 | 必需 - Neo4j 数据库的 URL |
| NEO4J_USERNAME | 新4j | 必需 - Neo4j 数据库的用户名 |
| NEO4J_PASSWORD | 密码 | 必需 - Neo4j 数据库的密码 |
| 法学硕士 | 骆驼3 | 必需 - 可以是任何 Ollama 型号标签，或 gpt-4 或 gpt-3.5 或 claudev2 |
| 嵌入模型 | 句子转换器 | 必需 - 可以是 Sentence_transformer、openai、aws、ollama 或 google-genai-embedding-001 |
| AWS_ACCESS_KEY_ID | 必需 - 仅当 LLM=claudev2 或 embedding_model=aws 时 | |
| AWS_SECRET_ACCESS_KEY | 必需 - 仅当 LLM=claudev2 或 embedding_model=aws 时 | |
| AWS_DEFAULT_REGION | 必需 - 仅当 LLM=claudev2 或 embedding_model=aws 时 | |
| OPENAI_API_KEY | 必需 - 仅当 LLM=gpt-4 或 LLM=gpt-3.5 或 embedding_model=openai 时 | |
| GOOGLE_API_KEY | 必需 - 仅在使用 GoogleGenai LLM 或嵌入模型 google-genai-embedding-001 时才需要 | |
| LANGCHAIN_ENDPOINT | “https://api.smith.langchain.com” | 可选 - Langchain Smith API 的 URL |
| LANGCHAIN_TRACING_V2 | 错误的 | 可选 - 启用 Langchain 跟踪 v2 |
| LANGCHAIN_PROJECT | 可选 - Langchain 项目名称 | |
| LANGCHAIN_API_KEY | 可选 - Langchain API 密钥 |
警告
这些应用程序仅在 Ollama（特别是 llama3）上进行了测试，不保证它们可以与其他法学硕士一起使用。
无需手动安装 Ollama，当使用 Linux 配置文件运行时，它将作为堆栈的一部分在容器中运行：运行docker compose --profile linux up 。使用 Ollama docker 容器时，请确保在.env文件中设置OLLAMA_BASE_URL=http://llm:11434 。
要使用 Linux-GPU 配置文件：运行docker compose --profile linux-gpu up 。还要在.env文件中更改OLLAMA_BASE_URL=http://llm-gpu:11434 。
如果由于某种原因您无法运行 Ollama 容器，您可以安装它并在本地运行它作为替代选项。
如果您运行在廉价的 GPU 或 CPU 上，您可能需要将 commons.py 中的
num_ctx减少到3072。
在本地运行 Ollama 可能会产生缓慢的结果。一种可能的解决方案是在支持 GPU 的廉价 EC2 实例上运行它，该实例的性能比任何消费级 GPU 都要好。
要创建由单个g4dn.xlarge实例支持的 EKS 集群：
eksctl create cluster --name hack-turing-titans --node-type=g4dn.xlarge --nodes 1安装 ingress-nginx 和 cert-manager 以通过 https 公开 ollama：
helm upgrade --install ingress-nginx ingress-nginx
--repo https://kubernetes.github.io/ingress-nginx
--namespace ingress-nginx --create-namespacehelm install
cert-manager jetstack/cert-manager
--namespace cert-manager
--create-namespace
--set installCRDs=true手动创建指向 ingress-nginx 入口 CNAME 的 DNS 记录（通过kubectl get service -n ingress-nginx检索它）。
设置 FQDN 并应用 ClusterIssuer 资源以启用 LetsEncrypt 证书生成：
sed -i ' s/my-ollama.example.com/YOUR_FQDN/g ' k8s/letsencrypt-prod.yaml
kubectl apply -f k8s/letsencrypt-prod.yaml最后安装Ollama图表：
helm install ollama ollama-helm/ollama
--namespace ollama
--create-namespace
--values ollama.yaml警告
Docker Desktop 4.24.x版本中存在一个影响 python 应用程序的性能问题。使用此堆栈之前，请升级到最新版本。
开始一切
docker compose up如果对构建脚本进行了更改，请重新构建.
docker compose up --build进入监视模式（文件更改时自动重建）。首先启动一切，然后在新终端中：
docker compose watch关闭如果运行状况检查失败或容器未按预期启动，请完全关闭以重新启动。
docker compose down为应用程序正确运行准备数据可能需要的脚本，它们都可以在 ./scripts 下找到。
Transformer.py 是一个脚本，应针对 docs-alfresco 存储库的本地克隆运行，以便创建包含 Alfresco Docs 机器人所有预期文档的initial-load文件夹。
该项目基于 docker/genai-stack，是Turing Titans团队在 Hyland 为期三天的内部黑客马拉松的成果。
