በPython ውስጥ LangChain፣ LlamaIndex እና የራስዎን ውሂብ በመጠቀም የተሰራ ብጁ፣ መልሶ ማግኛ-የተጨመረ AI ቻትቦት ያግኙ — ከቀላል የውይይት ቦት እስከ ሙሉ በሙሉ የተስተካከለ፣ የምንጭ ኮድ-የቀረበ መፍትሄ።
በLangChain እና Python ብጁ AI RAG Chatbot እገነባለሁ።
ምንጭ ኮድ ያለው ቀላል፣ ተግባራዊ AI ቻትቦት።
- ቀላል ቻትቦት ከመሰረታዊ የውይይት ተግባር ጋር
- በPython በLangChain ወይም LlamaIndex የተሰራ
- የLLM ምርጫ (LLaMA 2፣ Gemini፣ Claude፣ Mistral፣ Phi-2 ወይም OpenAI)
- ሙሉ ምንጭ ኮድ ቀርቧል
- FastAPI ወይም Express middleware ውህደት
- 2 ማሻሻያዎች ተካትተዋል
በራስዎ የውሂብ ስብስብ ላይ RAG ያለው ብጁ AI ቻትቦት፣ የተራዘመ የመላኪያ መስኮት።
- ለእርስዎ ልዩ ቦታ ወይም የአጠቃቀም ጉዳይ የተበጀ የAI ቻትቦት
- RAG ቧንቧ መስመር በእርስዎ ብጁ የውሂብ ስብስብ ላይ ተተግብሯል።
- የቬክተር ዳታቤዝ ውህደት (Pinecone, Chroma, ElasticSearch ወይም ተመሳሳይ)
- የአካባቢ ዳታቤዝ ድጋፍ (MySQL፣ MongoDB ወይም ተመሳሳይ)
- ሙሉ ምንጭ ኮድ ቀርቧል
- 2 ማሻሻያዎች ተካትተዋል
በብጁ የውሂብ ስብስብዎ ላይ ሙሉ በሙሉ የተስተካከለ RAG ቻትቦት ከዝርዝር ኮድ አስተያየቶች ጋር።
- ለተለየ ዘርፍዎ እና ብጁ የውሂብ ስብስብዎ የተስተካከለ ቻትቦት
- ሙሉ RAG ቧንቧ መስመር ከላቀ LLM ውህደት ጋር
- የቬክተር እና የአካባቢ ዳታቤዝ ውህደት
- የአካባቢ LLM የመሳሪያ ድጋፍ (Ollama, LM Studio, CPP-Method, GPT4All)
- ዝርዝር የውስጥ ኮድ አስተያየቶች ያለው ሙሉ ምንጭ ኮድ
- 1 ክለሳ ተካትቷል
ብጁ ቅናሽ ይጠይቁ
ከሽያጭ በፊት ጥያቄ ይጠይቁ
ጥያቄ ለመጠየቅ ይግቡ
የመድረክ አይፈለጌ መልዕክትን ለመቀነስ፣ ቅድመ-ሽያጭ መልዕክቶች ሊላኩ የሚችሉት በገቡ ተጠቃሚዎች ብቻ ነው።
ነፃ መለያ ይፍጠሩ ወይም ይህን Zinner በቀጥታ ለመላክ ይግቡ።
ግባ / ይመዝገቡበአጭሩ
ይህንን አገልግሎት ለመወሰን የሚረዱ ቁልፍ ዝርዝሮች። በZinn Hub የተፈጠረ፣ በሻጩ አይደለም።
የእሴት አቀማመጥ
የሥነ ሕንፃ ዓይነት
LLM አማራጮች
ባለቤትነት እና ኮድ
ምርጥ ለ
የሚያገኙት
ሙሉ መግለጫ
ውሂብዎን፣ ቦታዎን እና ተጠቃሚዎችዎን በትክክል የሚረዳ ብልህ ቻትቦት ያስፈልግዎታል - አጠቃላይ ዝግጁ የሆነ መግብር አይደለም። ይህ አገልግሎት የሚያቀርበው በትክክል ይህ ነው፡ በRetrieval-Augmented Generation (RAG) የሚሰራ ብጁ የተሰራ AI ቻትቦት፣ በለንደን በሚገኝ የAI ልማት ቡድን በPython የተሰራ፣ በLangChain፣ LlamaIndex እና በትላልቅ የቋንቋ ሞዴሎች ላይ ጥልቅ እውቀት ያለው።
ከቀላል የውይይት በይነገጽ ጀምሮ ወይም የራስዎን የባለቤትነት ዳታሴት የሚወስድ የተራቀቀ RAG ቧንቧ መስመር የሚያስፈልግዎ ከሆነ፣ ይህ አገልግሎት ሙሉውን ስፔክትረም ይሸፍናል። እያንዳንዱ የሚቀርበው ነገር ንጹህ፣ የሚሰራ የምንጭ ኮድ ይዞ ይመጣል ስለዚህ ለከፈሉት ነገር ባለቤት ይሆናሉ።
**ምን መገንባት እንደሚችሉ**
- ቀላል ቻትቦት ከመሰረታዊ የውይይት ተግባር ጋር
- ለርስዎ አጠቃቀም ወይም ልዩ ፍላጎት የተበጀ AI ቻትቦት
- በራስዎ ብጁ የውሂብ ስብስብ የሰለጠነ RAG-የተተገበረ ቻትቦት
- ከተወሰነ ጎራ ወይም ታዳሚ ጋር የተጣጣመ በጥሩ ሁኔታ የተስተካከለ ቻትቦት
**የሚገኙ LLMዎች**
የእርስዎ ቻትቦት እንደ ፍላጎትዎ በሚስማማው ሞዴል ላይ ሊገነባ ይችላል፡ LLaMA 2፣ Gemini፣ Claude፣ Mistral፣ Phi-2 ወይም OpenAI ሞዴሎች።
**ቴክኒካዊ ስብስብ**
- ቋንቋ፡ ፓይዘን ወይም ኖድ
- ማዕቀፎች፡ LangChain፣ LlamaIndex
- መካከለኛ ዌር፡ FastAPI ወይም Express
- ቬክተር ዳታቤዝ፡ Pinecone፣ Chroma፣ ElasticSearch ወይም ተመሳሳይ
- የአካባቢ ዳታቤዝ፡ MySQL፣ MongoDB ወይም ተመሳሳይ
- የአካባቢ LLM መሳሪያዎች፡ Ollama፣ LM Studio፣ CPP-Method፣ GPT4All
ይህ የመሳሪያዎች ስፋት ማለት አርክቴክቸሩ ከፕሮጀክትዎ ጋር እንዲገጣጠም ተመርጧል - በተቃራኒው አይደለም።
**ሂደቱ እንዴት እንደሚሰራ**
ትዕዛዝዎን ካስገቡ በኋላ፣ የፕሮጀክትዎን አጭር መግለጫ እና ማንኛውንም የውሂብ ስብስቦች፣ ሰነዶች ወይም መስፈርቶች በትዕዛዝ ውይይት በኩል ያጋሩ። ቡድኑ ሁሉንም ነገር ይገመግማል፣ ወሰኑን ያረጋግጣል እና ስራ ይጀምራል። ግልጽ ያልሆነ ነገር ካለ፣ በትዕዛዝ አስተዳዳሪው በኩል በቀጥታ ይገናኛሉ። አቅርቦቱ ሙሉውን ምንጭ ኮድ ያካትታል፣ እና ፕሪሚየም ደረጃው ዝርዝር የውስጥ ኮድ አስተያየቶችን ይጨምራል ስለዚህ የራስዎ ገንቢዎች ኮድ ቤቱን በልበ ሙሉነት ማቆየት እና ማስፋት ይችላሉ።
**ይህ ለማን ነው**
- AI ቻትን ወደ መድረካቸው ማስገባት ለሚፈልጉ መስራቾች እና የምርት ቡድኖች
- በውስጥ ሰነዶች፣ ተደጋጋሚ ጥያቄዎች ወይም የባለቤትነት እውቀት መሰረቶች ላይ የሰለጠነ ቻትቦት ለሚያስፈልጋቸው ንግዶች
- ሊገነቡበት የሚችሉ ጠንካራ የRAG መሰረት ለሚፈልጉ ገንቢዎች
- በተወሰነ ቦታ ላይ በLLM የሚንቀሳቀስ አውቶሜሽን የሚፈልግ ማንኛውም ሰው
የፕሮጀክት ሀሳብ አለዎት? በትዕዛዝ ውይይት በኩል ያካፍሉት እና ቡድኑ እውን ለማድረግ ከእርስዎ ጋር ይሰራል።
የZinner ጥራት ዋስትና
እያንዳንዱ Zinner መድረኩን ከመቀላቀሉ በፊት ይገመገማል እና ይፀድቃል።
ሁሉም አገልግሎቶች በጥራት ማረጋገጫ ቁርጠኝነታችን የተደገፉ ናቸው።
የተሰጠውን ስራ እስኪያፀድቁ ድረስ ክፍያዎ የተጠበቀ ነው።
ጥቅሎችን ያወዳድሩ
| ባህሪ | መሰረታዊ | ማሳደግ | ፕሪሚየም |
|---|---|---|---|
| የማስረከቢያ ጊዜ | 2 ቀናት | 3 ቀናት | 5 ቀናት |
| ክለሳዎች | 2 | 2 | 1 |
| ቀላል ቻትቦት ከመሠረታዊ የውይይት ተግባር ጋር | ✓ | ✕ | ✕ |
| በPython የተገነባው LangChain ወይም LlamaIndex በመጠቀም | ✓ | ✕ | ✕ |
| የLLM ምርጫ (LLaMA 2፣ Gemini፣ Claude፣ Mistral፣ Phi-2 ወይም OpenAI) | ✓ | ✕ | ✕ |
| ሙሉ ምንጭ ኮድ ቀርቧል | ✓ | ✓ | ✕ |
| FastAPI ወይም Express middleware ውህደት | ✓ | ✕ | ✕ |
| 2 ማሻሻያዎች ተካትተዋል | ✓ | ✓ | ✕ |
| ለእርስዎ ልዩ ቦታ ወይም የአጠቃቀም ጉዳይ የተበጀ ብጁ AI ቻትቦት | ✕ | ✓ | ✕ |
| RAG ቧንቧ መስመር በእርስዎ ብጁ የውሂብ ስብስብ ላይ ተተግብሯል። | ✕ | ✓ | ✕ |
| የቬክተር ዳታቤዝ ውህደት (Pinecone, Chroma, ElasticSearch ወይም ተመሳሳይ) | ✕ | ✓ | ✕ |
| የአካባቢ ዳታቤዝ ድጋፍ (MySQL፣ MongoDB ወይም ተመሳሳይ) | ✕ | ✓ | ✕ |
| ከተለየ ቦታዎ እና ብጁ የውሂብ ስብስብዎ ጋር የተጣጣመ በጥሩ ሁኔታ የተስተካከለ ቻትቦት | ✕ | ✕ | ✓ |
| ሙሉ RAG ቧንቧ መስመር ከላቀ LLM ውህደት ጋር | ✕ | ✕ | ✓ |
| ቬክተር እና የአካባቢ ዳታቤዝ ውህደት | ✕ | ✕ | ✓ |
| የአካባቢ LLM የመሳሪያ ድጋፍ (Ollama, LM Studio, CPP-Method, GPT4All) | ✕ | ✕ | ✓ |
| ሙሉ ምንጭ ኮድ ከዝርዝር የውስጥ ኮድ አስተያየቶች ጋር | ✕ | ✕ | ✓ |
| 1 ክለሳ ተካትቷል | ✕ | ✕ | ✓ |
ፖርትፎሊዮ
ከዚህ Zinn ጋር የተያያዙ የሻጩ ሥራዎች ምሳሌዎች።
በ LangChain እና Python ብጁ AI RAG Chatbot ይገንቡ
በ LangChain እና Python ብጁ AI RAG Chatbot ይገንቡ
ተጨማሪ መረጃ
ለምን እኔን ትመርጣለህ
የምጠቀምባቸው መሳሪያዎች
ለዚህ ፍጹም
ተደጋግሞ የሚነሱ ጥያቄዎች
እባክዎ የፕሮጀክትዎን መስፈርቶች፣ ቻትቦቱ እንዲሰለጥንባቸው የሚፈልጓቸውን የውሂብ ስብስቦች ወይም ሰነዶች፣ የሚመርጡትን LLM (ካለዎት) እና እንደ ተመራጭ ቋንቋ ወይም ማዕቀፍ ያሉ ማንኛቸውም ቴክኒካዊ ገደቦችን በግልጽ ያብራሩ። ብዙ ዝርዝር ባቀረቡ ቁጥር ስራው በፍጥነት ሊጀመር ይችላል።
ቻትቦቱ LLaMA 2፣ Gemini፣ Claude፣ Mistral፣ Phi-2 ወይም OpenAI ሞዴሎችን በመጠቀም ሊገነባ ይችላል። የትኛው ለርስዎ ጥቅም የተሻለ እንደሆነ እርግጠኛ ካልሆኑ፣ መስፈርቶችዎን በትዕዛዝ ቻት ውስጥ ይጥቀሱ እና ምክር ይሰጣል።
አዎ — ሦስቱም ደረጃዎች ሙሉውን የምንጭ ኮድ ያካትታሉ። ፕሪሚየም ደረጃው በተጨማሪ ዝርዝር የውስጥ ኮድ አስተያየቶችን ያካትታል፣ ይህም የራስዎ ገንቢዎች የኮድ መሰረቱን ለመጠበቅ እና ለማስፋት ቀላል ያደርገዋል።
Retrieval-Augmented Generation (RAG) ቻትቦቱ ምላሽ ከመፍጠሩ በፊት የራስዎን ሰነዶች፣ የውሂብ ጎታዎች ወይም የእውቀት መሰረቶች በእውነተኛ ጊዜ እንዲጠይቅ ያስችለዋል። ቻትቦቱ በአጠቃላይ እውቀት ላይ ሳይሆን በተለየ ውሂብዎ ላይ ተመስርቶ ለጥያቄዎች መልስ እንዲሰጥ ከፈለጉ RAG ያስፈልግዎታል — የBoost እና Premium ደረጃዎች ይህንን ይሸፍናሉ።
ዋናዎቹ ማዕቀፎች LangChain እና LlamaIndex ሲሆኑ FastAPI ወይም Express እንደ መካከለኛ ዌር ያገለግላሉ። ለቬክተር ማከማቻ፣ Pinecone፣ Chroma ወይም ElasticSearch መጠቀም ይቻላል። የሚደገፉ የአካባቢ ዳታቤዝ MySQL እና MongoDB ያካትታሉ። እንደ Ollama፣ LM Studio፣ CPP-Method እና GPT4All ያሉ የአካባቢ LLM መሳሪያዎች በፕሪሚየም ደረጃ ይገኛሉ።
መሰረታዊ እና ማበልጸጊያ ደረጃዎች 2 ማሻሻያዎችን ያካትታሉ፤ ፕሪሚየም ደረጃው 1 ማሻሻያዎችን ያካትታል። ማሻሻያ ማለት በአስተያየቶች ላይ ተመስርተው ለቀረበው ግንባታ ማስተካከያዎችን ያካትታል — አዲስ ባህሪያትን ወይም በዋናው ስፋት ላይ ለውጥን አያካትትም። ተጨማሪ ማሻሻያዎች እንደ ተጨማሪ ሊገዙ ይችላሉ።
አዎ። ቻትቦቱ የተገነባው በFastAPI ወይም Express middleware ሲሆን፣ በኤፒአይ በኩል ወደ ድር መተግበሪያዎች፣ የውስጥ መሳሪያዎች ወይም ሌሎች መድረኮች ለማዋሃድ ቀላል ያደርገዋል። ትክክለኛ የማዋሃድ መስፈርቶች በትክክል እንዲገመገሙ አስቀድመው መጋራት አለባቸው።
የፕሮጀክትዎን ዝርዝሮች የሚጠይቅ መልእክት ይደርስዎታል። ሁሉም አስፈላጊ መረጃዎች ከቀረቡ በኋላ ሥራ ይጀምራል። በልማት ወቅት የሚነሱ ማናቸውም ጥያቄዎች በትዕዛዝ ውይይት በኩል ይነሳሉ። አቅርቦት በትዕዛዝ አስተዳዳሪ በኩል ይከናወናል።
የደንበኛ ግምገማዎች
ደንበኞቻችን ስለዚ Zinn ምን እንደሚሉ ይመልከቱ
ላደረጋችሁልኝ ታላቅ ስራ አመሰግናለሁ።
ይህን ምርት የገዙ የገቡ ደንበኞች ብቻ ግምገማ መተው ይችላሉ።
