Chat-with-Github-Repo:基于GitHub仓库的AI聊天机器人

探索利用Streamlit和OpenAI GPT-3.5-turbo构建的GitHub数据驱动聊天应用

直达下载
返回上一页
描述
Chat-with-Github-Repo项目演示如何使用Streamlit、OpenAI GPT-3.5-turbo及Activeloop Deep Lake,基于GitHub仓库数据创建智能聊天应用,为技术交流和学习提供实践案例。
介绍

Chat-with-Github-Repo是一个开源项目,展示了如何结合Streamlit、OpenAI GPT-3.5-turbo和Activeloop的Deep Lake,基于GitHub仓库中的数据创建一个智能聊天机器人。这个项目为开发者提供了一个实践例子,演示如何通过处理和分析Git仓库中的文本数据,构建一个能够理解和响应用户输入的聊天应用。

核心文件

  • src/utils/process.py:该脚本克隆Git仓库,处理文本文档,使用OpenAIEmbeddings计算嵌入,并将嵌入存储在DeepLake实例中。
  • src/utils/chat.py:此脚本创建了一个Streamlit网页应用,通过与DeepLake实例交互,使用OpenAI GPT-3.5-turbo生成聊天机器人的响应。
  • src/main.py:包含命令行界面(CLI),允许运行聊天应用。

设置指南

在开始之前,需要注册Activeloop和OpenAI账号并创建API密钥。按照以下步骤设置和运行项目:

  1. 克隆仓库并导航至项目目录:

        
    git clone https://github.com/peterw/Chat-with-Git-Repo.git
    cd Chat-with-Git-Repo
    
  2. 使用pip安装所需包:

        
    pip install -r requirements.txt
    

    开发依赖可以通过以下命令安装:

        
    pip install -r dev-requirements.txt
    
  3. 设置环境变量,复制.env.example文件:

        
    cp .env.example .env
    

    并填写API密钥和用户名:

        
    OPENAI_API_KEY=your_openai_api_key
    ACTIVELOOP_TOKEN=your_activeloop_api_token
    ACTIVELOOP_USERNAME=your_activeloop_username
    
  4. 使用CLI运行聊天应用。可以处理Git仓库或使用现有数据集启动聊天应用。 完整的CLI指令可通过运行python src/main.py --help获得。

    处理Git仓库,使用process子命令:

        
    python src/main.py process --repo-url https://github.com/username/repo_name
    

    还可以指定附加选项,如包含的文件扩展名、Activeloop数据集的名称或克隆仓库的目的地:

        
    python src/main.py process --repo-url https://github.com/username/repo_name --include-file-extensions .md .txt --activeloop-dataset-name my-dataset --repo-destination repos
    

    使用现有数据集启动聊天应用,使用chat子命令:

        
    python src/main.py chat --activeloop-dataset-name my-dataset
    

这个项目给了我很多启发,比如如何更有效地组织和检索信息,以及如何利用最新的AI技术来提高工作效率。如果你对AI有兴趣,或是想探索一下GitHub上那些有趣的项目,那么我强烈推荐你尝试一下。

AI工具教程
免费领取AI学习资料 进AI副业交流群
礼物
AI工具教程
免费领取AI学习资料 进AI副业交流群