Skip to content

Latest commit

 

History

History
78 lines (48 loc) · 3.94 KB

README.md

File metadata and controls

78 lines (48 loc) · 3.94 KB
Raw

IA: Criando um Database de Contexto para seus Prompts

Vou mostrar como desenvolver um sistema para otimizar o uso de prompts em aplicações de inteligência artificial, utilizando um banco de dados de contexto. Este projeto utiliza tecnologias como Python, DuckDB, Langchain entre outras. Destaca-se pelo uso do DuckDB como banco de dados vetorial, o que ajuda a gerenciar grandes volumes de dados de forma eficiente, enquanto a biblioteca Langchain é integrada para explorar as capacidades do modelo de linguagem ChatGPT-3.5 ou superior.

Por meio desta integração, o projeto incorpora técnicas avançadas, como embeddings e Retrieval-Augmented Generation (RAG), demonstrando uma aplicação prática e sofisticada dos conceitos teóricos abordados. Esta combinação de ferramentas e técnicas não apenas eleva a precisão e eficiência das aplicações de IA, mas também exemplifica a prática de Few-Shot Prompting, na qual um prompt é apresentado com alguns exemplos que contribuem para um melhor entendimento do que está sendo solicitado.

Apresentação em vídeo

Vídeo de apresentação

Requisitos

  • Git

  • Ubuntu

  • Python

  • ChatGPT4

Deploy da aplicação

Clonando o repositório:
git clone https://github.com/Renatoelho/ContextDB.git contextDB
Preparando o ambiente:
  • Acessando o diretório clonado
cd contextDB/app/
  • Criando o ambiente virtual
python3 -m venv .venv
  • Ativando o ambiente virtual
source .venv/bin/activate
  • Instalando as dependências
pip install pip setuptools wheel && pip install -r requirements.txt

IMPORTANTE: atualize o arquivo .env com o token de acesso da OpenAI, além de ser necessário ter créditos em sua conta na plataforma de desenvolvedor da OpenAI https://platform.openai.com/.

  • Testando a aplicação
python3 ./app.py

Observação: para testar a aplicação com outras mensagens é só mudar o texto da vaiável atendimento no arquivo app.py.

Referências

CARRARO, Fabricio. INTELIGÊNCIA ARTIFICIAL E CHATGPT : Da revolução dos modelos de IA generativa à Engenharia de Prompt. 1. ed. São Paulo: Editora Casa do Código, 2023.

Python DB API, DuckDB. Disponível em: https://duckdb.org/docs/api/python/dbapi. Acesso em: 22 abr. 2024.

O que é RAG?, AWS. Disponível em: https://aws.amazon.com/pt/what-is/retrieval-augmented-generation/. Acesso em: 22 abr. 2024.

Word Embedding: fazendo o computador entender o significado das palavras - Uma introdução a conceitos muito importantes em NLP: embeddings e word2vec, Medium. Disponível em: https://medium.com/turing-talks/word-embedding-fazendo-o-computador-entender-o-significado-das-palavras-92fe22745057. Acesso em: 22 abr. 2024.

langchain_community.vectorstores.duckdb.DuckDB, API Python Langchain. Disponível em: https://api.python.langchain.com/en/latest/vectorstores/langchain_community.vectorstores.duckdb.DuckDB.html. Acesso em: 22 abr. 2024.

langchain_community.embeddings.openai.OpenAIEmbeddings, OpenAIEmbeddings. Disponível em: https://api.python.langchain.com/en/latest/embeddings/langchain_community.embeddings.openai.OpenAIEmbeddings.html#langchain-community-embeddings-openai-openaiembeddings. Acesso em: 22 abr. 2024.