GPTflix
1.0.0
这是www.gptflix.ai的源代码
我们将使用OpenAI，Pinecone DB和简化构建GPTFLIX QA机器人。您将学习如何准备文本以发送到嵌入模型。您将捕获从模型上传到Pinecone DB的嵌入式和文本。之后，您将设置Pinecone DB索引，然后将OpenAI嵌入到DB上，以便在嵌入式上进行搜索。
最后，我们将使用shatlit设置QA Bot Frontend聊天应用程序。当用户向机器人提出问题时，机器人将在Pinecone DB中的电影文本上进行搜索。它将根据DB的文字回答您有关电影的问题。
这是一种基本的脚手架，以构建自己的知识回归系统，目前是超级基本的！
此存储库包含GPTFLIX源代码和简化部署指南。
此存储库设置为在简化中部署，您将需要在精简的情况下设置环境变量：
将gptflix存储库分配给您的github帐户。
在pinecone.io上设置帐户
在简化云上设置帐户
在简化上创建一个新应用。将其链接到github上的存储库的叉子，然后将应用程序指向/chat/main.py作为主可执行文件。
转到您的应用程序设置，然后导航到秘密。这样建立秘密：
[API_KEYS]
pinecone = "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxx"
openai = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
.env文件。 PINECONE_API_KEY=xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxx
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
当然，这些当然需要成为您的Pinecone和OpenAI API键；）
此存储库设置为使用 /data_samples中的MPST数据来浏览演示：这些步骤是：
p1.generate_index_mpst.py从./data_sample/d0.mpst_1k_raw.csv准备文本中，我们可以将我们注入模型并嵌入其嵌入。 python p1.generate_index_mpst.py
p2.make_jsonl_for_requests_mpst.py将您的新d1.mpst_1k_converted.csv文件转换为带有指令的JSONL文件，以运行针对OpenAI API的嵌入式请求。 python p2.make_jsonl_for_requests_mpst.py
p3.api_request_parallel_processor.py以获取嵌入。 python src/p3.api_request_parallel_processor.py
--requests_filepath data_sample/d2.embeddings_maker.jsonl
--save_filepath data_sample/d3.embeddings_maker_results.jsonl
--request_url https://api.openai.com/v1/embeddings
--max_requests_per_minute 1500
--max_tokens_per_minute 6250000
--token_encoding_name cl100k_base
--max_attempts 5
--logging_level 20
p4.convert_jsonl_with_embeddings_to_csv.py使用新的JSONL文件，用文本和嵌入式制作一个漂亮的CSV。 python p4.convert_jsonl_with_embeddings_to_csv.py
p5.upload_to_pinecone.py以上传所有文本数据和嵌入。 python p5.upload_to_pinecone.py
您可以在本地运行该应用程序，但是您需要删除图像（在简化云上的路径不同）
目前，sample_data中有一些数据，全部取自kaggle作为示例。
[]添加内存：总结以前的问题 /答案并预先准备以提示
[]添加不同的模式：在数据库中更广泛的搜索
[]添加不同的模式：响应的AI音调 /字符
[]更好的文档
更好的文档即将到来！随时贡献它们:)
＃执照
麻省理工学院许可证
版权（C）2023 Stephan Sturges
特此免费授予获得此软件副本和相关文档文件副本（“软件”）的任何人，以无限制处理该软件，包括无限制的使用权，复制，复制，修改，合并，合并，发布，分发，分发，分发，订婚，和/或允许软件的副本，并允许对以下条件提供以下条件，以下是以下条件。
上述版权通知和此许可通知应包含在软件的所有副本或大量部分中。
该软件是“原样”提供的，没有任何形式的明示或暗示保证，包括但不限于适销性，特定目的的适用性和非侵权的保证。在任何情况下，作者或版权持有人都不应对任何索赔，损害赔偿或其他责任责任，无论是在合同，侵权的诉讼中还是其他责任，是由软件，使用或与软件中的使用或其他交易有关的。
