plex recommendation

丛建议

将您最近观看的 Plex 电影输入 RAG 支持的 LLM 链，以根据您的观看历史记录获得推荐。

连接到您的 Plex

你需要两件事：

1. 您的 Plex 运行所在的 IP 地址
2. 您的 Plex 密钥 您可以在安装路径的preferences.xml文件中找到Plex 密钥。我使用套件中心在 Synology NAS 上运行 Plex，因此我在/PlexMediaServer/AppData/Plex Media Server/Preferences.xml中找到了我的套件。

将这两者提供给PLEX_ADDRESS和PLEX_TOKEN环境变量。

迁移数据

首次启动时，系统将检测您的 Plex 库是否存储在矢量数据库中。如果不是，您的媒体将被收回。您需要提供默认库以通过PLEX_DEFAULT_LIBRARY_SECTION环境变量下载媒体。您需要自己查询 Plex 才能获得此信息，但对我来说，我的电影位于第 3 部分。如果您不提供，我将退回到本部分。

连接到您的 LLM

该推荐引擎连接到Ollama。您可以自带或在云端运行。只需提供OLLAMA_ADDRESS 、 OLLAMA_EMBEDDING_MODEL和OLLAMA_LANGUAGE_MODEL作为环境变量。

为你的LLM奠定基础

您可以在backend/internal/pkg/langchain/generate.go中找到 RAG 提示符。这是根据我的具体需求而写的。如果你的需求不是我的需求，请相应调整接地提示。请注意，如果您有一个非常大的媒体集合，它可能会超出您正在使用的模型的上下文窗口。您可以通过调整传入backend/internal/pkg/plex/api.go中媒体 getter 的限制来调整检索的标题数量。

构建和运行

从源代码编译

下载此存储库并使用go build -o recommendations .backend/cmd/main.go构建应用程序。这会构建一个名为recommendations的二进制文件，您可以使用./recommendations运行该二进制文件。

缓存响应

Postgres 数据库附加在./pg-data处，用于缓存推荐。最近查看的标题经过 Base-64 编码并与法学硕士提供的标准化推荐一起存储。在请求 LLM 推荐之前会查找此缓存，如果找到则按原样返回。

默认 Postgres 环境

默认的Postgres环境如下：

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

您可以通过为这些环境变量提供您自己的值来覆盖它

Docker 组合

该存储库的根目录中有一个docker-compose.yml文件。您可以通过发出TAG_VERSION=foo docker compose up --build命令来运行推荐引擎和关联的 Weaviate 数据库。确保已安装 Docker 和 Docker Compose。

测试这个应用程序

内部包中有几个测试几乎都是由LLM编写的。您可以使用go test ./...从该存储库的根目录测试该程序。当您使用 Docker 构建时，这些测试会自动运行。

开放遥测

开放遥测跟踪在后端进行检测。要开箱即用，请在环境中设置OTEL_EXPORTER_OTLP_TRACES_ENDPOINT=otlp://jaeger:4317并确保 Jaeger 服务从 Docker Compose 启动。跟踪信息在 Jaeger 中收集并可通过http://localhost:16686访问。可以通过传递telemetry.WithMeter选项telemetry.InitOtel()来扩展指标。您必须自己测量指标。

禁用遥测

可以通过在您的环境中设置DISABLE_TELEMETRY=true来禁用遥测。请注意，如果使用docker compose up ，Jaeger 容器仍会启动。