加拿大初秋：代碼與知識之旅？

介紹

大家好！我是 Nonthachai Plodthong，一名軟體開發人員，也是一名正在完成學業的高年級學生。當我們進入加拿大初秋的清爽、多彩的季節時，我很高興開始一系列新的博客文章，在其中分享我在科技之旅中收集的知識和經驗，所有這篇文章都是相關的我在Seneca上的課程稱為開源開發課程。

這個開源專案本身很有趣，我們可以加入其他已經啟動或發布的ppl 項目，我們可以透過解決github 儲存庫上的問題來改進它或使其變得更好，並請求我們的建議是否會被接受或不。

在接下來的四個月裡，直到今年年底，我將深入研究開源專案的各種主題，我可以找到這些主題來為整個 GitHub 做出貢獻。

Github 趨勢庫

肉桂 / 幸泰衛門

一個基於 RAG 的開源工具，用於與文件聊天。

小太衛門

一個開源、乾淨且可自訂的 RAG UI，用於與您的文件聊天。與最終用戶一起構建開發人員考慮在內。

Open source development

現場示範 | 原始碼

使用者指南 | 開發者指南 | 回饋

Open source development

簡介

這個專案作為一個功能性的 RAG UI，供想要對其進行 QA 的最終用戶使用。想要建立自己的 RAG 管道的文檔和開發人員。

對於最終用戶
- 用於基於 RAG 的 QA 的乾淨簡約的 UI。
- 支援LLM API提供者（OpenAI、AzureOpenAI、Cohere等）和本地LLM （透過 ollama 和 llama-cpp-python）。
- 簡單的安裝腳本。
對於開發者：
- 用於建立您自己的基於 RAG 的文件 QA 管道的框架。
- 使用提供的 UI（使用 Gradio 建置）自訂並查看 RAG 管道的運作情況。

+----------------------------------------------------------------------------+
| End users: Those who use apps built with `kotaemon`.                       |
| (You use an app like the one in the demo above)                            |
|     +----------------------------------------------------------------+登入後複製
…
    進入全螢幕模式
    


    退出全螢幕模式
    

在 GitHub 上查看

這個RAG 和與自己文件的聊天非常好，並且可視化，可以了解如何在我們自己的文檔中嵌入和向量化到LLM 模型，以及嵌入模型如何獲取輸入和轉換為十進制數的非結構化數據之間的相似性。

我會對什麼話題感興趣？

1.人工智慧開發

人工智慧徹底改變了我們與技術互動的方式，並為開發人員和研究人員開闢了新領域。在本系列中，我將探索：

大型語言模型（LLM）： 探索法學碩士的內部運作、它們的能力以及如何使用它們來解決現實世界的問題，包括它們在理解一種語言的語音和用另一種語言回應方面的應用。

情緒分析： 了解如何建立能夠理解一段文本背後的情感基調的系統，從簡單的基於規則的方法到高級的深度學習技術。

LangChain 庫（Python）： LangChain 是一個強大的框架，旨在幫助開發人員建立利用大型語言模型 (LLM) 的應用程式。無論您是創建聊天機器人、問答系統還是用於生成和操作文字的工具，LangChain 都可以透過提供模組化元件和實用程式來簡化整合過程。我將更多地關注 Advance RAG 和 Streaming。