DocsGPT - 开源文档助手

文章目录

- [一、关于 DocsGPT](#一、关于 DocsGPT)
- 二、快速入门
- 三、开发环境
- - [1、启动 Mongo 和 Redis](#1、启动 Mongo 和 Redis)
  - 2、运行后端
  - 3、启动前端

一、关于 DocsGPT

DocsGPT是一种尖端的开源解决方案，它简化了在项目文档中查找信息的过程，通过其强大的GPT模型的集成，开发人员可以轻松地提出关于项目的问题并获得准确的答案。

告别耗时的手动搜索，让 DocsGPT 帮助您快速找到所需的信息，看看它如何彻底改变您的项目文档体验为其发展做出贡献，成为AI驱动辅助未来的一部分。

github : https://github.com/arc53/DocsGPT
官网：https://www.docsgpt.cloud/
官方文档：https://docs.docsgpt.cloud/
在线应用：https://app.docsgpt.cloud/
discord : https://discord.gg/n5BX8dh8rU
twitter : https://twitter.com/docsgptai
👫 贡献： https://github.com/arc53/DocsGPT/blob/main/CONTRIBUTING.md
📁🚀如何使用任何其他文档训练 : https://docs.docsgpt.cloud/Guides/How-to-train-on-other-documentation
🏠🔐如何在本地托管它（以便所有数据都保留在本地）: https://docs.docsgpt.cloud/Guides/How-to-use-different-LLM

对公司的生产支持/帮助：

在将DocsGPT部署到实时环境时，我们渴望提供个性化帮助。

获取企业/团队演示👋
[发送电子邮件📧](mailto:contact@arc53.com?subject=DocsGPT support%2Fsolutions)

Roadmap

您可以在这里找到我们的路线图。

请不要犹豫，贡献或创建问题，它有助于我们改进DocsGPT！

我们针对DocsGPT优化的开源模型：

名称	基本型号	要求（或类似）
Docsgpt-7b-mistral	米斯特拉尔-7b	1xA10G gpu
Docsgpt-14b	llama-2-14b	2xA10 gpu's
Docsgpt-40b-falcon	-40b	8xA10G gpu's

如果您没有足够的资源来运行它，您可以使用bitsnbytes来量化。

用于信息检索的端到端AI框架

项目结构

应用程序- Flask app（主应用程序）。
扩展 - Chrome扩展。
脚本 - 为其他库创建相似性搜索索引的脚本。
前端 - 前端使用Vite和React。

二、快速入门

注 : 确保您已安装Docker

在Mac OS或Linux，写：

shell 复制代码

./setup.sh

它将安装所有依赖项并允许您下载本地模型、使用OpenAI或使用我们的LLM API。

否则，请参阅本Windows指南：

1、下载并使用

shell 复制代码

git clone https://github.com/arc53/DocsGPT.git

2、在根目录中创建一个.env文件，并将 env变量和 VITE_API_STREAMING 设置为true或false，具体取决于您是否想要流式传输答案。里面应该是这样的：

shell 复制代码

LLM_NAME=[docsgpt or openai or others] 
VITE_API_STREAMING=true
API_KEY=[if LLM_NAME is openai]

请参阅 /.env-template 和 /application/.env_sample 文件中的可选环境变量。

3、运行 ./run-with-docker-compose.sh。

4、导航到 http://localhost:5173/ 。

要停止，只需运行Ctrl + C。

三、开发环境

1、启动 Mongo 和 Redis

对于开发，只使用了 docker-comple.yaml中的两个容器（通过删除除Redis和Mongo之外的所有服务）。请参见文件docker-compose-dev.yaml。

运行

shell 复制代码

docker compose -f docker-compose-dev.yaml build
docker compose -f docker-compose-dev.yaml up -d

2、运行后端

注 : 确保您安装了Python 3.10或3.11。

1、导出所需的环境变量或在项目文件夹中准备.env文件：

复制 .env_sample 并创建.env。
（如果您想查看更多配置选项，请查看 application/core/settings.py。）

2、（可选）创建Python虚拟环境：您可以按照虚拟环境的Python官方文档。

a）在Mac OS和Linux

shell 复制代码

python -m venv venv
. venv/bin/activate

b）在Windows上

shell 复制代码

python -m venv venv
 venv/Scripts/activate

3、下载嵌入模型并保存在model/文件夹中：您可以使用下面的脚本，或者从这里手动下载，解压缩并保存在model/文件夹中。

shell 复制代码

wget https://d3dg1063dc54p9.cloudfront.net/models/embeddings/mpnet-base-v2.zip
unzip mpnet-base-v2.zip -d model
rm mpnet-base-v2.zip

4、为后端安装依赖项：

shell 复制代码

pip install -r application/requirements.txt

5、使用下面命令运行app ：

shell 复制代码

flask --app application/app.py run --host=0.0.0.0 --port=7091

6、启动 worker

shell 复制代码

celery -A application.app.celery worker -l INFO

3、启动前端

注 : 确保您拥有Node版本16或更高版本。

导航到/frontend文件夹。
安装所需的包husky和vite（如果已经安装，请忽略）。

shell 复制代码

npm install husky -g
npm install vite -g

3、安装依赖

shell 复制代码

npm install --include=dev

4、运行应用

shell 复制代码

npm run dev

2024-08-04（日）