آموزش یک عامل هوش مصنوعی بسازید (OpenAI، LlamaIndex، Pinecone و Streamlit)

درس ها Lessons

• استقرار برنامه در Streamlit Community Cloud Deploying the app to Streamlit Community Cloud

• ساختن کلاس برای تعامل با عامل Building a class to interact with the agent

• ایجاد ابزار موتور پرس و جو RAG Creating the RAG query engine tool

• ایجاد نمایه و ذخیره آن به صورت محلی Building the index and saving it locally

• ساخت رابط کاربری چت با Streamlit Building a chat UI with Streamlit

• جاسازی های برداری Vector embeddings

• ایجاد ابزاری برای واکشی مقالات از arXiv Creating a tool to fetch papers from arXiv

• ساختن و تعامل با عامل Building and interacting with the agent

• ایجاد ابزاری برای دانلود مقالات Creating a tool to download papers

• ایجاد یک مدیر فهرست برای Pinecone Creating an index manager for Pinecone

• عوامل چیست؟ What are agents?

• دانلود مقالات و واکشی مقالات جدید Downloading the papers and fetching new papers

• مقدمه Introduction

• آشنایی با LlamaIndex و RAG Understanding LlamaIndex and RAG

• نتیجه گیری Conclusion

• با استفاده از شاخص Pinecone در برنامه Streamlit Using the Pinecone index in the Streamlit app

• دریافت یک کلید API از Pinecone Getting an API key from Pinecone

• افزایش درخواست برای دانلود فایل ها Enhancing the prompt to download files

• ساخت یک کلاس برای مدیریت ایندکس Building a class to manage the index

• راه اندازی محیط توسعه Setting up the development environment

• تعریف مدل های embed و LLM Defining the embed and LLM models

• دریافت کلید OpenAI API Getting an OpenAI API key