hello sajal

你好薩哈爾！

概述

該專案旨在展示一個全面的聊天機器人應用程序，該應用程式利用 OpenAI 的 GPT-4 模型以及 Langchain 的最新功能，包括 Langchain 表達式語言和 LangGraph，並與 Gradio 介面整合以實現輕鬆互動。

它封裝在 Docker 容器中，以便於部署和可擴充性。

入門

建置 Docker 容器

1. 將儲存庫克隆到本機：

 git clone <repository-link>
cd <repository-name>

2. 從專案中提供的 Dockerfile 建置 Docker 映像：

 docker build -t hello-sajal-app .

此命令根據 Dockerfile 中的說明建立一個名為 hello-sajal-app 的 Docker 映像。

3. 運行應用程式

建置映像後，您可以使用以下命令執行應用程式：

 docker run -p 7860:7860 gradio-openai-app

此命令運行容器並將容器的連接埠 7860 對應到主機上的連接埠 7860，讓您可以透過 Web 瀏覽器存取 Gradio 應用程式。

4. 訪問應用程式 Docker 容器運行後，打開 Web 瀏覽器並導航至 http://localhost:7860 以與 Gradio 應用程式互動。

引擎蓋下

docker 容器和 gradio 應用程式都遵循以下流程：

1. src/ingest_data.py：資料提取並攝取到 ChromaDB 向量資料庫中，該資料庫持久保存在磁碟上。
2. src/app.py：gradio應用程式的初始化，由langchain驅動進行編排。

目錄和文件

• 數據：
  • source.md：Markdown 格式的 Sajal Sharma 資訊來源。
  • chroma_db：chromadb 的持久目錄。
• 原始碼:
  • app.py：應用程式的入口點，gradio 應用程式的程式碼。
  • graph.py：langgraph 編排圖的程式碼。
  • ingest_data.py：資料提取、轉換和攝取的程式碼。
  • retriever.py：用於搜尋 ChromaDb 向量索引的程式碼。
  • chain/*.py：用於特定 LLM 功能的自訂且開箱即用的 langchain 鏈。

成分

• ChromaDB 用於索引和搜尋分塊文件。
• Langchain 用於製程工程。
• 用於執行 LLM 呼叫的 OpenAI 模型。
• 基本聊天前端的 Gradio。
• 朗史密斯進行及時追蹤。

GenAI 應用程式功能和架構

該應用程式大量利用 langchain 進行提示、鏈結、工具、LLM 函數呼叫和流程工程，展示了一些高級用例。

高層架構：

每個來自使用者的傳入訊息都會經過意圖識別、RAG、修正 RAG 和 Smalltalk 鏈模組。

下圖表示每個傳入使用者訊息到聊天應用程式的流程：