Lernit

Lernit

使用及時工程的Edtech平台。 ？這是什麼？大型語言模型（LLM）正在作為一種變革性技術，使開發人員能夠構建以前無法做到的應用程序。但是，孤立使用這些LLM通常不足以創建一個真正功能強大的應用程序 - 真正的功能就可以將它們與其他計算或知識來源結合起來。

基於GPT的問題和答案系統的燒瓶申請

這是一個基於燒瓶的Web應用程序，該應用程序與擁抱面API集成，以基於用戶輸入來生成多項選擇問題，並提供正確和不正確的答案。該項目將燒瓶用於Web框架和Langchain，從擁抱臉部處理GPT-3模型。

特徵

• 用戶身份驗證：用戶交互的登錄和註冊頁面。
• GPT集成：使用GPT-3來生成帶有答案的多項選擇問題。
• 多個GPT-3模型：集成不同的提示模板，以生成問題的正確和錯誤答案。
• Web界面：提供乾淨的用戶界面與GPT模型進行交互並查看生成的問題和答案。
• API集成：處理郵政請求，以動態生成問題和答案。

項目設置

要在本地運行該項目，請按照以下步驟：

先決條件

• Python 3.7或更高
• 燒瓶
• 擁抱臉API（Flan-T5型號）
• Langchain
• dotenv（用於環境變量管理）

安裝

1. 克隆存儲庫：

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

2. 導航到項目目錄：

    cd Flask-GPT-Application

3. 安裝所需的依賴項：

   pip install -r requirements.txt

4. 使用您的擁抱face API鍵設置.env文件：

    HUGGINGFACE_API_KEY = your_api_key_here

運行應用程序

1. 運行燒瓶應用程序：

   python app.py

2. 訪問http://127.0.0.1:5000在您的Web瀏覽器中。

API端點

• 獲取/ ：主頁
• 獲取/login ：登錄頁面
• 獲取/signup ：註冊頁面
• 獲取/youtube ：YouTube頁面
• 獲取/features ：功能頁面
• 獲取/resources ：資源頁面
• POST /gpt ：根據用戶的搜索詞生成多項選擇問題。
• POST /gpt3 ：另一個端點是根據不同的提示生成唯一的多項選擇問題。

示例請求/gpt ：

• 方法：發帖
• 身體（形式數據）：

   search: "Science"
  

示例響應：

{
  "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 }
  ]
}

使用的技術

• 燒瓶：用於構建Web應用程序的Python Web框架。
• Langchain ：建立語言模型鏈的框架。
• 擁抱面：一個平台，可訪問最先進的機器學習模型（此處與flan-t5-xxl一起使用）。
• HTML/CSS ：用於前端設計。

貢獻

1. 分叉存儲庫。
2. 創建一個新的分支（ git checkout -b feature-name ）。
3. 進行更改。
4. 提交您的更改（ git commit -am 'Add new feature' ）。
5. 推到分支（ git push origin feature-name ）。
6. 創建一個新的拉請請求。

執照

該項目是根據MIT許可證獲得許可的 - 有關詳細信息，請參見許可證文件。

致謝

• 擁抱面孔提供語言模型。
• Langchain用於簡化語言模型中的集成到燒瓶應用程序中。