Robinson Chatbot

Data utworzenia: 2025-01-31

Opis projektu

Projekt Robinson Chatbot eksploruje implementację technik Retrieval-Augmented Generation (RAG) do stworzenia inteligentnego agenta konwersacyjnego posiadającego wiedzę o "Robinsonie Crusoe". System łączy najnowocześniejsze modele językowe zarówno od OpenAI, jak i Amazon Bedrock z zaawansowanymi metodami wyszukiwania tekstu, aby zapewnić dokładne, kontekstowo istotne odpowiedzi oparte na treści powieści. Poprzez intensywne eksperymenty z różnymi strategiami chunkingu, modelami embeddingów i technikami prompt engineering, projekt demonstruje jak architektury RAG mogą skutecznie rozszerzać możliwości LLM dla aplikacji domenowych, jednocześnie minimalizując halucynacje i poprawiając dokładność faktyczną.

Główne funkcjonalności

• Implementacja różnych metod chunkingu tekstu (np. po paragrafach, stały rozmiar tokenów, po rozdziałach) do optymalizacji wyszukiwania informacji
• Eksperymenty z różnymi modelami embeddingów do tworzenia semantycznych reprezentacji wektorowych
• Zaawansowane wyszukiwanie podobieństwa przy użyciu bazy wektorowej FAISS dla efektywnego wyszukiwania informacji
• Porównanie wydajności między modelami OpenAI (gpt-4o i gpt-4o-mini) a modelami Amazon Bedrock (Amazon Titan Text Express V1 i Amazon Titan Text Embeddings E1)
• Techniki prompt engineering do optymalizacji wykorzystania kontekstu i jakości odpowiedzi
• Interaktywna aplikacja Streamlit do przyjaznej użytkownikowi interakcji z chatbotem o Robinsonie Crusoe
• Kompleksowy framework ewaluacyjny do mierzenia dokładności, trafności i spójności odpowiedzi

Umiejętności

• Python
• OpenAI
• Amazon Bedrock
• AWS
• NumPy
• FAISS
• RAG
• Boto3
• NLTK
• Streamlit
• Prompt Engineering
• Embeddings
• LaTeX

Raport projektu

Możesz pobrać i przejrzeć kompletny raport projektu ze szczegółową metodologią i wynikami tutaj: Robinson Chatbot - Raport implementacji RAG

Zdjęcia