赞
踩
前面我们实现了RAG基本流程,今天我们在此基础上给它加个UI界面,在浏览器打开,实现上传本地文件、解析,并用大模型实现与该文档的对话。也就是一个阉割版demo版的ChatPDF或知识库对话系统。
界面采用Python的gradio库,这个库在机器学习和大模型界很火,它运行后会启动一个Web服务器,并在默认浏览器中打开一个新页面,显示Gradio界面。
别问为啥用这个,就是看大模型的界面好多都是这个库搭的,所以也就用一下。不会gradio没关系,就几行代码,很容易理解。或者可以直接用ChatGPT帮你写一个框架。
首先来安装这个库:
pip install 时加上了清华源,因为我这里使用默认源的话会安装超时,失败。
python
复制代码pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gradio
使用Python的gradio库来创建一个UI界面,该界面可以上传本地文件。
不会gradio也没关系,我也不会,我们可以让大模型帮你写。
当然大模型生成的代码可能会有错误,告诉大模型运行的错误,让大模型一个个修正即可。
完整的对话过程可看这个链接:chat.openai.com/share/3db8b…
最终生成的代码如下:
python复制代码import gradio as gr
def upload_file(input_file):
file_contents = input_file # 上传文件对象
return f"你上传的文件内容是:\n{file_contents}"
gr.Interface(upload_file,
inputs="file",
outputs="text",
title="文件上传器",
description="请点击按钮上传文件。",
allow_flagging=False).launch()
运行结果(通过浏览器打开下面链接可看到界面):
界面如下:点击可弹出对话框让用户选择本地文件,选择后点击Submit按钮会上传文件,上传成功后在右侧output框里会显示文件信息。
(1)引入前面我们实现的RAG文件和类
(2)实例化一个chat_bot
(3)上传文件时,调用RAG的创建向量数据库接口,创建向量数据库
python复制代码from rag import RAG_Bot ## 引入前面我们实现的rag文件和类
chat_bot = RAG_Bot() ## 实例化一个chat_bot
# 定义一个处理函数,用于接收上传的文件并进行处理
def upload_file(input_file):
chat_bot.createVectorDB(input_file) ## 创建向量库,灌入数据
return f"你上传的文件内容是:\n{input_file}"
其实这里可以另开一个界面,实现聊天窗口,因为聊天和创建向量数据库是独立的。这里为了演示方便,我们在同一个界面上添加一个聊天框。
本人愚笨,用ChatGPT 3.5问了半天,也没有得到正确的代码。于是想了个办法白嫖用了一下 GPT4,好不容易才得到了正确的代码,感觉还不如直接去看gradio的教程来的快。
看下代码:
python复制代码import gradio as gr def process_inputs(input_file, chat_input): outputs = ["", ""] if input_file is not None: # 处理文件上传 outputs[0] = f"你上传的文件内容是:\n{str(input_file)}" if chat_input != "": # 处理聊天输入 outputs[1] = f"你说的是:{chat_input},很高兴与你交流!" return tuple(outputs) # 输入类型为文件上传和文本框 inputs = [gr.File(), gr.Textbox(label="聊天输入")] # 输出类型为文件内容和聊天输出 outputs = [gr.Textbox(label="文件内容"), gr.Textbox(label="聊天输出")] iface = gr.Interface(process_inputs, inputs=inputs, outputs=outputs, title="文件上传和聊天窗口", description="请在适当的输入框中上传文件或进行聊天。", allow_flagging=False) iface.launch()
按照前面在这个代码中添加 【上传文件后的处理】,然后将用户的输入当作query传入RAG中进行对话。最终代码如下:
python复制代码import gradio as gr from rag import RAG_Bot ## 引入前面我们实现的rag文件和类 chat_bot = RAG_Bot() ## 实例化一个chat_bot def process_inputs(input_file, chat_input): outputs = ["", ""] if input_file is not None: # 处理文件上传 chat_bot.createVectorDB(input_file) ## 创建向量库,灌入数据 outputs[0] = f"你上传的文件内容是:\n{str(input_file)}" if chat_input != "": # 处理聊天输入 outputs[1] = chat_bot.chat(chat_input) ## 将聊天输入当作query,进行对话 return tuple(outputs) # 输入类型为文件上传和文本框 inputs = [gr.File(), gr.Textbox(label="聊天输入")] # 输出类型为文件内容和聊天输出 outputs = [gr.Textbox(label="文件内容"), gr.Textbox(label="聊天输出")] iface = gr.Interface(process_inputs, inputs=inputs, outputs=outputs, title="文件上传和聊天窗口", description="请在适当的输入框中上传文件或进行聊天。", allow_flagging=False) iface.launch()
别看这几行代码,完成的并不容易,因为我不会gradio,用大模型来帮忙写程序固然可以,但大部分情况下写的程序是不对的。
有句话说的很对:AI编程的上限取决于使用者的判断力和能力。
还是要会一点gradio,才能在大模型一直无法得到正确结果时给予正确的引导。
后面有时间还是要学一下gradio库。(要学的东西实在太多了…)
读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用
对于0基础小白入门:
如果你是零基础小白,想快速入门大模型是可以考虑的。
一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
大模型AGI学习包
资料目录
《人工智能\大模型入门学习大礼包》,可以扫描下方二维码免费领取!
1.成长路线图&学习规划
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。
对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。
2.视频教程
很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,其中一共有21个章节,每个章节都是当前板块的精华浓缩。
3.LLM
大家最喜欢也是最关心的LLM(大语言模型)
《人工智能\大模型入门学习大礼包》,可以扫描下方二维码免费领取!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。