chat-langchain 介绍
了解项目的详细信息和使用方法
🦜️🔗 Chat LangChain
Chat LangChain是一个专注于问题解答的本地聊天机器人实现，主要针对LangChain文档进行问答。它使用了LangChain、FastAPI和Next.js构建。
部署版本：chat.langchain.com
该应用程序利用了LangChain的流媒体支持和异步API，实时更新页面，供多个用户使用。
✅ 本地运行
- 安装后端依赖：
poetry install。 - 确保输入环境变量来配置应用程序：
export OPENAI_API_KEY=
export WEAVIATE_URL=
export WEAVIATE_API_KEY=
export RECORD_MANAGER_DB_URL=
# for tracing
export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_ENDPOINT="https://api.smith.langchain.com"
export LANGCHAIN_API_KEY=
export LANGCHAIN_PROJECT=
- 运行
python ingest.py将LangChain文档数据导入Weaviate向量存储（只需要执行一次）。- 您可以使用其他文档加载器将自己的数据加载到向量存储中。
- 使用
poetry run make start启动Python后端。 - 运行
cd chat-langchain，然后运行yarn安装前端依赖。 - 运行
yarn dev启动前端。 - 在浏览器中打开localhost:3000。
☕ 本地运行（使用JS后端）
- 按照上面的前三个步骤将LangChain文档数据导入向量存储。
- 运行
cd chat-langchain，然后运行yarn安装前端依赖。 - 在
chat-langchain/.env.local文件中填入来自chat-langchain/.env.example文件的自定义密钥，并将NEXT_PUBLIC_API_BASE_URL设置为"http://localhost:3000/api"。 - 使用
yarn dev运行应用程序。 - 在浏览器中打开localhost:3000。
📚 技术描述
Chat LangChain有两个组件：数据导入和问题回答。
数据导入包括以下步骤：
- 从文档站点和Github代码库中抓取html。
- 使用LangChain的RecursiveURLLoader和SitemapLoader加载html。
- 使用LangChain的RecursiveCharacterTextSplitter将文档拆分成段落。
- 使用LangChain的Weaviate向量存储包装器（使用OpenAI的嵌入向量）创建一个嵌入向量存储。
问题回答包括以下步骤：
- 根据聊天历史和用户的新输入，使用GPT-3.5确定一个独立的问题。
- 根据这个独立的问题，在向量存储中查找相关的文档。
- 将独立的问题和相关文档传递给模型，生成并流式传输最终的答案。
- 为当前的聊天会话生成一个跟踪URL，以及用于收集反馈的端点。
🚀 部署
通过在Vercel上将前端Next.js应用作为无服务器边缘函数部署b点击此处。
您需要使用您部署了后端的基本URL（没有尾部斜杠！）填充NEXT_PUBLIC_API_BASE_URL环境变量。