conversational agent langchain
Basic Updates
这是对话代理的休息后世，它允许嵌入文档，使用语义搜索搜索它们，根据文档进行质量检查，并使用大语言模型进行文档处理。
目前，我正在重新工作langgraph，因此，并非所有版本的所有版本都会与所有提供商一起使用。我将在接下来的几周内更新提供商。请使用发行版获得工作版本。
如果您只想使用Aleph Alpha后端，我会推荐我的其他后端：https：//github.com/mfmezger/aleph-alpha-rag。
要使用Docker运行完整的系统，请使用此命令：
git clone https://github.com/mfmezger/conversational-agent-langchain.git
cd conversational-agent-langchain从.env-template创建.ENV文件，并设置QDRANT API键。对于测试，只需将其设置为测试即可。 qdrant_api_key =“测试”
然后以
docker compose up -d然后访问http://127.0.0.1:8001/docs或http://127.0.0.0.1:8001/redoc查看API文档。
前端：Local主机：8501 QDRANT仪表板：Local主机：6333/仪表板
该项目是一种对话代理，它使用Aleph Alpha和OpenAI大语模型来生成对用户查询的响应。该代理还包括一个矢量数据库和使用FastAPI构建的REST API。
特征
语义搜索是一种高级搜索技术，旨在了解用户查询的含义和上下文，而不是匹配关键字。它涉及自然语言处理（NLP）和机器学习算法，以分析和解释用户意图，同义词，单词之间的关系以及内容的结构。通过考虑这些因素，语义搜索提高了搜索结果的准确性和相关性，从而提供了更直观和个性化的用户体验。
Langchain是用于自然语言处理和机器学习的图书馆。 FastAPI是一个基于标准Python型提示，用于使用Python 3.7+构建API的现代化（高性能）Web框架。 vectordatabase是一个存储向量的数据库，可用于相似性搜索和其他机器学习任务。
可用的两种管理API键的方法，最简单的方法是将请求中的API令牌发送为令牌。另一种可能性是创建.env文件并在此处添加API令牌。如果您直接使用Azure或OpenAI的OpenAI，则需要在.env文件中设置正确的参数。
在Linux或Mac上，您需要调整 /etc /hosts文件以包括以下行：
127.0.0.1 qdrant首先安装python依赖性：
如果要使用它来同步要求lock文件，则需要安装黑麦。黑麦安装。
rye sync
# or if you do not want to use rye
pip install -r requirements.lock使用以下方式启动完整的系统
docker compose up -d要运行QDRANT数据库本地运行：
docker compose up qdrant要运行后端使用此命令在root Directory中：
poetry run uvicorn agent.api:app --reload要运行测试，您可以使用此命令：
poetry run coverage run -m pytest -o log_cli=true -vvv tests在root目录中运行前端使用此命令：
poetry run streamlit run gui.py --theme.base= " dark "mypy rag-解释包装版
Qdrant仪表板可从http://127.0.0.1:6333/dashboard获得。您需要输入API键。
要使用QDRANT API，您需要在.env文件中设置正确的参数。 QDRANT_API_KEY是QDRANT API的API键。并且您需要在配置文件夹中的qdrant.yaml文件中更改它。
如果您想摄入大量数据，我建议您使用位于代理/摄入中的脚本。
要测试API，我会推荐Bruno。 API请求存储在RescagentBruno文件夹中。
