|
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 4em auto 2em;padding-right: 0.2em;padding-left: 0.2em;background: rgb(0, 152, 116);color: rgb(255, 255, 255);">背景 RAG（检索增强生成） = 检索技术 + LLM 提示。 ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">比如，我们向 LLM 提问一个问题，RAG 从各种数据源检索相关的信息，并将检索到的信息和问题注入到 LLM 提示中，LLM 最后给出答案。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">我们已经熟悉了如何利用大语言模型处理文档文件（word、pdf），提出问题并获得答案。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">但是，如何上传一个表格文件，帮助我们能更轻松地利用表格文件中的数据，并从中获得有用的信息，从而支持我们的决策和行动呢？ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 4em auto 2em;padding-right: 0.2em;padding-left: 0.2em;background: rgb(0, 152, 116);color: rgb(255, 255, 255);">LLM+表格文件结合能实现的功能ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">比如：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">1、自然语言查询：我们可以通过自然语言查询CSV文件中的数据，而无需掌握Excel里的高级查询函数。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">2、数据摘要：可以从CSV文件中提取特定列或行的摘要信息，如总和、平均值、最值等。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">3、数据过滤：根据提供的条件，在CSV文件中筛选出满足条件的数据。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 16px;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">4、数据分析：生成相应的报告、图表或可视化结果。3、数据预测：使用机器学习模型进行预测。 效果
代码下载路径：https://github.com/lurenss/matrix-mind 如何使用：1、在终端上运行：docker-compose up
2、访问http://localhost:8080/
3、输入OpenAiAPI密钥
4、上传您的csv文件
5、开始聊天
技术栈：前端：Vue、HTML、JavaScript 后端：Python 容器化：Dockerfile 主要代码：fromfastapiimportFastAPI,HTTPException
fromfastapi.responsesimportJSONResponse
#创建一个FastAPI应用
app=FastAPI()
#定义一个全局变量，用于存储CSV文件的路径
path_df=None
#创建一个路由，用于处理GET请求
@app.get("/first_generate")
deffirst_generate():
"""
生成一个基于上传的 CSV 文件的 AI 生成的响应。
Returns:
dict:包含 AI 生成响应的消息。
"""
try:
#全局变量声明
globalpath_df
#如果没有上传CSV文件，则抛出ValueError
ifpath_dfisNone:
raise ValueError("CSV 文件未上传。请先上传 CSV 文件。")
#用户消息
user_msg="Whatarethecolumnsofthisdataset?Answerwithasentenceplease."
#调用函数创建一个处理CSV文件的agent
csv_agent=create_csv_agent(llm,path_df,verbose=True,agent_type=AgentType.OPENAI_FUNCTIONS)
#运行agent
msg=csv_agent.run(user_msg)
#打印USER消息和AI响应
print("USER:"+user_msg)
print("AI:"+msg)
#返回包含AI生成响应的消息
return{"message":msg}
exceptValueErrorase:
print("发生错误:",e)
returnJSONResponse(status_code=400,content={"message":str(e)})
exceptExceptionase:
print("发生错误:",e)
return JSONResponse(status_code=500, content={"message":"内部服务器错误。"})
|
