Costruisci e distribuisci un’applicazione di chat per l’interazione complessa del database con gli agenti LangChain.
18 ore fa
In questo articolo vedremo come possiamo utilizzare modelli linguistici di grandi dimensioni (LLM) per interagire con un database complesso utilizzando Langchain agenti e strumenti, quindi distribuire l’applicazione di chat utilizzando Streamlit.
Questo articolo è la seconda e ultima parte di un progetto in due fasi che sfrutta PromemoriaConso Dati API, un servizio pubblico francese che condivide informazioni sui richiami di prodotti in Francia.
Nel Primo In questo articolo, abbiamo configurato una pipeline che interroga i dati dall’API e li archivia in un database PostgreSQL utilizzando vari strumenti di ingegneria dei dati. In questo articolo svilupperemo un’applicazione di chat basata su un modello linguistico che ci consente di interagire con il database.
Sommario
· Panoramica
· Impostare
· Agente SQL
· Kit di strumenti per database SQL
· Strumenti aggiuntivi
· Implementazione delle funzionalità di memoria
· Creazione dell’applicazione con Streamlit
· Osservazioni e miglioramenti
· Conclusione
· Riferimenti
In questo progetto creeremo un chatbot in grado di comunicare con il database RappelConso tramite il file Langchain struttura. Questo chatbot sarà in grado di comprendere il linguaggio naturale e utilizzarlo per creare ed eseguire query SQL. Miglioreremo la capacità del chatbot di effettuare query SQL fornendogli strumenti aggiuntivi. Avrà anche una funzione di memoria per ricordare le interazioni passate con gli utenti. Per renderlo più facile da usare, useremo Streamlit per trasformarlo in un’applicazione web basata su chat.
Puoi vedere una demo dell’applicazione finale qui:
Fonte: towardsdatascience.com
