Table des matières
Environnement virtuel
Installer les dépendances
Tester Chainlit
Initialisation de Git
Création du projet Upsun
Configuration
Déploiement
Assistant Création
Téléchargement de contenu
Assistant Logique (app.py)
Création de succursale
Création de dossiers et montages
Mise à jour app.py
Configuration de la base de données
Logique d'authentification (app.py)
Maison développement back-end Tutoriel Python Expérimentez l'interface Chainlit AI avec RAG sur Upsun

Expérimentez l'interface Chainlit AI avec RAG sur Upsun

Jan 21, 2025 am 12:14 AM

Chainlit : un cadre d'IA conversationnelle évolutif

Chainlit est un framework Python asynchrone open source conçu pour créer des applications d'IA conversationnelles robustes et évolutives. Il offre une base flexible, permettant aux développeurs d'intégrer de manière transparente des API externes, une logique personnalisée et des modèles locaux.

Experiment with Chainlit AI interface with RAG on Upsun

Ce tutoriel présente deux implémentations de Retrieval Augmented Generation (RAG) dans Chainlit :

  1. Exploiter les assistants OpenAI avec les documents téléchargés.
  2. Utilisation de llama_index avec un dossier de documents local.

Configuration locale de Chainlit

Environnement virtuel

Créez un environnement virtuel :

mkdir chainlit && cd chainlit
python3 -m venv venv
source venv/bin/activate
Copier après la connexion
Copier après la connexion

Installer les dépendances

Installez les packages requis et enregistrez les dépendances :

pip install chainlit
pip install llama_index  # For implementation #2
pip install openai
pip freeze > requirements.txt
Copier après la connexion
Copier après la connexion

Tester Chainlit

Démarrer Chainlit :

chainlit hello
Copier après la connexion

Accédez à l'espace réservé sur https://www.php.cn/link/2674cea93e3214abce13e072a2dc2ca5

Experiment with Chainlit AI interface with RAG on Upsun

Déploiement Upsun

Initialisation de Git

Initialiser un dépôt Git :

git init .
Copier après la connexion

Créer un fichier .gitignore :

<code>.env
database/**
data/**
storage/**
.chainlit
venv
__pycache__</code>
Copier après la connexion

Création du projet Upsun

Créez un projet Upsun à l'aide de la CLI (suivez les invites). Upsun configurera automatiquement le référentiel distant.

Configuration

Exemple de configuration Upsun pour Chainlit :

applications:
  chainlit:
    source:
      root: "/"
    type: "python:3.11"
    mounts:
      "/database":
        source: "storage"
        source_path: "database"
      ".files":
        source: "storage"
        source_path: "files"
      "__pycache__":
        source: "storage"
        source_path: "pycache"
      ".chainlit":
        source: "storage"
        source_path: ".chainlit"
    web:
      commands:
        start: "chainlit run app.py --port $PORT --host 0.0.0.0"
      upstream:
        socket_family: tcp
      locations:
        "/":
          passthru: true
        "/public":
          passthru: true
    build:
      flavor: none
    hooks:
      build: |
        set -eux
        pip install -r requirements.txt
      deploy: |
        set -eux
      # post_deploy: |
routes:
  "https://{default}/":
    type: upstream
    upstream: "chainlit:http"
  "https://www.{default}":
    type: redirect
    to: "https://{default}/"
Copier après la connexion

Définissez la variable d'environnement OPENAI_API_KEY via Upsun CLI :

upsun variable:create env:OPENAI_API_KEY --value=sk-proj[...]
Copier après la connexion

Déploiement

Commettre et déployer :

git add .
git commit -m "First chainlit example"
upsun push
Copier après la connexion

Examinez l'état du déploiement. Un déploiement réussi montrera que Chainlit s'exécute sur votre environnement principal.

Experiment with Chainlit AI interface with RAG on Upsun

Implémentation 1 : Assistant OpenAI et fichiers téléchargés

Cette implémentation utilise un assistant OpenAI pour traiter les documents téléchargés.

Assistant Création

Créez un nouvel assistant OpenAI sur la plateforme OpenAI. Définissez les instructions du système, choisissez un modèle (avec format de réponse texte) et maintenez la température basse (par exemple, 0,10). Copiez l'ID de l'assistant (asst_[xxx]) et définissez-le comme variable d'environnement :

upsun variable:create env:OPENAI_ASSISTANT_ID --value=asst_[...]
Copier après la connexion

Téléchargement de contenu

Téléchargez vos documents (Markdown de préférence) vers l'assistant. OpenAI créera un magasin de vecteurs.

Experiment with Chainlit AI interface with RAG on Upsun

Experiment with Chainlit AI interface with RAG on Upsun

Assistant Logique (app.py)

Remplacez le contenu app.py par le code fourni. Éléments clés : @cl.on_chat_start crée un nouveau fil de discussion OpenAI et @cl.on_message envoie les messages de l'utilisateur au fil de discussion et diffuse la réponse.

Commit et déployez les modifications. Testez l'assistant.

Experiment with Chainlit AI interface with RAG on Upsun

Implémentation 2 : OpenAI llama_index

Cette implémentation utilise llama_index pour la gestion des connaissances locales et OpenAI pour la génération de réponses.

Création de succursale

Créer une nouvelle branche :

mkdir chainlit && cd chainlit
python3 -m venv venv
source venv/bin/activate
Copier après la connexion
Copier après la connexion

Création de dossiers et montages

Créez des dossiers data et storage. Ajoutez des montures à la configuration Upsun.

Mise à jour app.py

Mettez à jour app.py avec le code llama_index fourni. Ce code charge des documents, crée un VectorStoreIndex et l'utilise pour répondre aux requêtes via OpenAI.

Déployez le nouvel environnement et téléchargez le dossier data. Testez l'application.

Experiment with Chainlit AI interface with RAG on Upsun

Bonus : Authentification

Ajoutez une authentification à l'aide d'une base de données SQLite.

Configuration de la base de données

Créez un dossier database et ajoutez un support à la configuration Upsun. Créez une variable d'environnement pour le chemin de la base de données :

pip install chainlit
pip install llama_index  # For implementation #2
pip install openai
pip freeze > requirements.txt
Copier après la connexion
Copier après la connexion

Logique d'authentification (app.py)

Ajoutez une logique d'authentification à app.py en utilisant @cl.password_auth_callback. Cela ajoute un formulaire de connexion.

Créez un script pour générer des mots de passe hachés. Ajoutez des utilisateurs à la base de données (à l'aide de mots de passe hachés). Déployez l'authentification et testez la connexion.

Experiment with Chainlit AI interface with RAG on Upsun

Conclusion

Ce tutoriel a démontré le déploiement d'une application Chainlit sur Upsun avec deux implémentations RAG et une authentification. L'architecture flexible permet diverses adaptations et intégrations.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

Video Face Swap

Video Face Swap

Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

<🎜>: Grow A Garden - Guide de mutation complet
3 Il y a quelques semaines By DDD
<🎜>: Bubble Gum Simulator Infinity - Comment obtenir et utiliser les clés royales
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Système de fusion, expliqué
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Whispers of the Witch Tree - Comment déverrouiller le grappin
3 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Tutoriel Java
1666
14
Tutoriel PHP
1273
29
Tutoriel C#
1252
24
Python vs C: applications et cas d'utilisation comparés Python vs C: applications et cas d'utilisation comparés Apr 12, 2025 am 12:01 AM

Python convient à la science des données, au développement Web et aux tâches d'automatisation, tandis que C convient à la programmation système, au développement de jeux et aux systèmes intégrés. Python est connu pour sa simplicité et son écosystème puissant, tandis que C est connu pour ses capacités de contrôle élevées et sous-jacentes.

Python: jeux, GUIS, et plus Python: jeux, GUIS, et plus Apr 13, 2025 am 12:14 AM

Python excelle dans les jeux et le développement de l'interface graphique. 1) Le développement de jeux utilise Pygame, fournissant des fonctions de dessin, audio et d'autres fonctions, qui conviennent à la création de jeux 2D. 2) Le développement de l'interface graphique peut choisir Tkinter ou Pyqt. Tkinter est simple et facile à utiliser, PYQT a des fonctions riches et convient au développement professionnel.

Python vs C: courbes d'apprentissage et facilité d'utilisation Python vs C: courbes d'apprentissage et facilité d'utilisation Apr 19, 2025 am 12:20 AM

Python est plus facile à apprendre et à utiliser, tandis que C est plus puissant mais complexe. 1. La syntaxe Python est concise et adaptée aux débutants. Le typage dynamique et la gestion automatique de la mémoire le rendent facile à utiliser, mais peuvent entraîner des erreurs d'exécution. 2.C fournit des fonctionnalités de contrôle de bas niveau et avancées, adaptées aux applications haute performance, mais a un seuil d'apprentissage élevé et nécessite une gestion manuelle de la mémoire et de la sécurité.

Python et temps: tirer le meilleur parti de votre temps d'étude Python et temps: tirer le meilleur parti de votre temps d'étude Apr 14, 2025 am 12:02 AM

Pour maximiser l'efficacité de l'apprentissage de Python dans un temps limité, vous pouvez utiliser les modules DateTime, Time et Schedule de Python. 1. Le module DateTime est utilisé pour enregistrer et planifier le temps d'apprentissage. 2. Le module de temps aide à définir l'étude et le temps de repos. 3. Le module de planification organise automatiquement des tâches d'apprentissage hebdomadaires.

Python vs. C: Explorer les performances et l'efficacité Python vs. C: Explorer les performances et l'efficacité Apr 18, 2025 am 12:20 AM

Python est meilleur que C dans l'efficacité du développement, mais C est plus élevé dans les performances d'exécution. 1. La syntaxe concise de Python et les bibliothèques riches améliorent l'efficacité du développement. Les caractéristiques de type compilation et le contrôle du matériel de CC améliorent les performances d'exécution. Lorsque vous faites un choix, vous devez peser la vitesse de développement et l'efficacité de l'exécution en fonction des besoins du projet.

Quelle partie fait partie de la bibliothèque standard Python: listes ou tableaux? Quelle partie fait partie de la bibliothèque standard Python: listes ou tableaux? Apr 27, 2025 am 12:03 AM

PythonlistSaReparmentofthestandardLibrary, tandis que les coloccules de colocède, tandis que les colocculations pour la base de la Parlementaire, des coloments de forage polyvalent, tandis que la fonctionnalité de la fonctionnalité nettement adressée.

Python: automatisation, script et gestion des tâches Python: automatisation, script et gestion des tâches Apr 16, 2025 am 12:14 AM

Python excelle dans l'automatisation, les scripts et la gestion des tâches. 1) Automatisation: La sauvegarde du fichier est réalisée via des bibliothèques standard telles que le système d'exploitation et la fermeture. 2) Écriture de script: utilisez la bibliothèque PSUTIL pour surveiller les ressources système. 3) Gestion des tâches: utilisez la bibliothèque de planification pour planifier les tâches. La facilité d'utilisation de Python et la prise en charge de la bibliothèque riche en font l'outil préféré dans ces domaines.

Apprendre Python: 2 heures d'étude quotidienne est-elle suffisante? Apprendre Python: 2 heures d'étude quotidienne est-elle suffisante? Apr 18, 2025 am 12:22 AM

Est-ce suffisant pour apprendre Python pendant deux heures par jour? Cela dépend de vos objectifs et de vos méthodes d'apprentissage. 1) Élaborer un plan d'apprentissage clair, 2) Sélectionnez les ressources et méthodes d'apprentissage appropriées, 3) la pratique et l'examen et la consolidation de la pratique pratique et de l'examen et de la consolidation, et vous pouvez progressivement maîtriser les connaissances de base et les fonctions avancées de Python au cours de cette période.

See all articles