Lernit

Lernit

使用及时工程的Edtech平台。 ？这是什么？大型语言模型（LLM）正在作为一种变革性技术，使开发人员能够构建以前无法做到的应用程序。但是，孤立使用这些LLM通常不足以创建一个真正功能强大的应用程序 - 真正的功能就可以将它们与其他计算或知识来源结合起来。

基于GPT的问题和答案系统的烧瓶申请

这是一个基于烧瓶的Web应用程序，该应用程序与拥抱面API集成，以基于用户输入来生成多项选择问题，并提供正确和不正确的答案。该项目将烧瓶用于Web框架和Langchain，从拥抱脸部处理GPT-3模型。

特征

• 用户身份验证：用户交互的登录和注册页面。
• GPT集成：使用GPT-3来生成带有答案的多项选择问题。
• 多个GPT-3模型：集成不同的提示模板，以生成问题的正确和错误答案。
• Web界面：提供干净的用户界面与GPT模型进行交互并查看生成的问题和答案。
• API集成：处理邮政请求，以动态生成问题和答案。

项目设置

要在本地运行该项目，请按照以下步骤：

先决条件

• Python 3.7或更高
• 烧瓶
• 拥抱脸API（Flan-T5型号）
• Langchain
• dotenv（用于环境变量管理）

安装

1. 克隆存储库：

   git clone https://github.com/yourusername/Flask-GPT-Application.git

2. 导航到项目目录：

    cd Flask-GPT-Application

3. 安装所需的依赖项：

   pip install -r requirements.txt

4. 使用您的拥抱face API键设置.env文件：

    HUGGINGFACE_API_KEY = your_api_key_here

运行应用程序

1. 运行烧瓶应用程序：

   python app.py

2. 访问http://127.0.0.1:5000在您的Web浏览器中。

API端点

• 获取/ ：主页
• 获取/login ：登录页面
• 获取/signup ：注册页面
• 获取/youtube ：YouTube页面
• 获取/features ：功能页面
• 获取/resources ：资源页面
• POST /gpt ：根据用户的搜索词生成多项选择问题。
• POST /gpt3 ：另一个端点是根据不同的提示生成唯一的多项选择问题。

示例请求/gpt ：

• 方法：发帖
• 身体（形式数据）：

   search: "Science"
  

示例响应：

{
  "question" : " Q: Generate random unique hard Multiple choice questions with answers on Science topic? " ,
  "answers" : [
    { "text" : " Answer A " , "correct" : true },
    { "text" : " Answer B " , "correct" : false },
    { "text" : " Answer C " , "correct" : false },
    { "text" : " Answer D " , "correct" : false }
  ]
}

使用的技术

• 烧瓶：用于构建Web应用程序的Python Web框架。
• Langchain ：建立语言模型链的框架。
• 拥抱面：一个平台，可访问最先进的机器学习模型（此处与flan-t5-xxl一起使用）。
• HTML/CSS ：用于前端设计。

贡献

1. 分叉存储库。
2. 创建一个新的分支（ git checkout -b feature-name ）。
3. 进行更改。
4. 提交您的更改（ git commit -am 'Add new feature' ）。
5. 推到分支（ git push origin feature-name ）。
6. 创建一个新的拉请请求。

执照

该项目是根据MIT许可证获得许可的 - 有关详细信息，请参见许可证文件。

致谢

• 拥抱面孔提供语言模型。
• Langchain用于简化语言模型中的集成到烧瓶应用程序中。