AI导哈

客户支持RAG聊天机器人

一个基于检索增强生成（RAG）技术的客户支持聊天机器人，通过分析客户支持文档来回答用户查询并提供相关信息。

  • by Shantanu1711
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 shantanu1711/mcp-server

使用说明

客户支持RAG聊天机器人

一种基于客户支持文档的检索增强代（RAG）聊天机器人，通过回答查询和提供相关支持信息来帮助用户。

特性

  • 根据提供的客户支持文档回答问题
  • 对于文档范围之外的问题，回答“我不知道”
  • 用户友好的web界面
  • 语义搜索相关信息
  • 上下文感知响应
  • AngelOne文档的Web抓取支持
  • 保险文件的PDF处理

安装说明

  1. 克隆存储库：
git clone <repository-url>
cd <repository-name>
  1. 创建并激活虚拟环境：
python -m venv venv
# On Windows
.\venv\Scripts\activate
# On Unix/MacOS
source venv/bin/activate
  1. 安装依赖项：
pip install -r requirements.txt
  1. 设置环境变量： 创建一个 .env 根目录中的文件，其中包含：
HF_API_KEY=your_huggingface_api_key_here

  1. 收集文件：

    • AngelOne文档：
      python scrape_angelone.py
    • 对于保险PDF：
      • 将所有保险PDF放入 docs/insurance 目录

  2. 处理文件：

python process_documents.py
  1. 启动后端服务器：
python mcp_server.py
  1. 在新终端中，启动前端：
streamlit run app.py

部署

要部署应用程序，请执行以下操作：

  1. 后端（FastAPI）：

    • 部署到云平台（例如Heroku、AWS、DigitalOcean）
    • 在云平台中设置环境变量
    • 使用进程管理器（例如Gunicorn）运行FastAPI服务器

  2. 前端（Streamlit）：

    • 部署到Streamlit Cloud或类似平台
    • 配置前端以指向已部署的后端URL
    • 在部署平台中设置环境变量

用法

  1. 打开web浏览器并导航到已部署的URL
  2. 在聊天界面中键入您的问题
  3. 聊天机器人将：
    • 在文档中搜索相关信息
    • 根据找到的信息生成响应
    • 如果信息不在文档中，请回复“我不知道”

项目结构

.
├── app.py                 # Streamlit frontend
├── mcp_server.py         # FastAPI backend
├── process_documents.py  # Document processing script
├── scrape_angelone.py    # Web scraper for AngelOne docs
├── requirements.txt      # Python dependencies
├── .env                 # Environment variables
├── docs/               # Documentation directory
│   ├── angelone/      # Scraped AngelOne documentation
│   └── insurance/     # Insurance PDFs
└── chroma_db/         # Vector database storage

依赖项

  • FastAPI: 后端 API
  • Streamlit：前端接口
  • 拥抱脸：LLM用于产生反应
  • ChromaDB：用于文档存储的矢量数据库
  • 句子转换：文本嵌入
  • PyPDF:PDF处理
  • BeautifulSoup4：网页抓取
  • 请求：HTTP客户端

备注

  • 聊天机器人仅根据提供的文档回答问题
  • 对于文档范围之外的问题，它将以“我不知道”作为回应
  • 系统使用语义搜索来查找相关信息
  • 使用拥抱脸API生成响应
  • 为了尊重源网站，网络抓取是有限的

许可证

[您的许可证在这里]

相关 MCP