{
  "video_id": "IVzfFI4kLO0",
  "channel_slug": "techsimpluslearnings",
  "channel_handle": "techsimpluslearnings",
  "title": "Build a Website QnA Chatbot from Scratch | RAG + LangChain + Google Gemini (Full Tutorial) #gemini",
  "duration_seconds": 2907.0,
  "url": "https://www.youtube.com/watch?v=IVzfFI4kLO0",
  "upload_date": "",
  "transcript": "Hallo zusammen, mein Name ist Prathik Mishra und\nWillkommen bei Text Plus Learnings. heutige\nIn diesem Video bauen wir ein rotes\nKundensupport-KI-Chatboard\nVerwendung des Python Lache Frameworks und Google\nJellen Models. Also, ich zeige Ihnen das zuerst.\nWorauf genau werden wir es bauen?\nDann werden wir es von Grund auf neu bauen, richtig?\nOK. Wir haben nun also diese Benutzeroberfläche.\nIst. OK? Welches läuft auf meinem lokalen Rechner?\nLokales Server-Kundensupport-Forum mit Fragen und Antworten.\nUnd dies ist ein Textbereich. dieser Text\nWelche Website-URLs wir auch immer in das Feld eingeben\nder gleichen URL-Daten\nbasierend auf der Datenbank derselben Websites\nAber unser Frage-und-Antwort-Chatforum wird sein\nEr wird die Antwort erarbeiten und sie uns mitteilen. Versuchen wir es.\nWir haben also diese Webseite. des Kurses\nEs gibt eine Webseite. Wir kleben es ein. Und\nDie zweite URL führt zu unseren Filmen.\nDie URL lautet . OK? Wir werden es nur einfügen\nNehmen wir es. Laden wir die Webseite. so ähnlich\nWenn Sie auf unsere Webseite klicken, wird sie in Kürze geladen.\nDas System speichert die Daten dieser Webseiten.\nWird zuerst kriechen und es abkratzen.\ndann basierend auf den Daten auf den Websites unserer\nDas Schachbrett wird vorgelesen.\nGib mir die Antwort. Rechts? Nun zu diesem gesamten Prozess\nWir werden darüber sprechen, was es ist. OK?\nOK. Wenn Sie uns also jetzt eine Frage stellen.\nListe vom 20. März\n26 Filme. Mal sehen, was wir zu sehen bekommen.\nBeantworten Sie uns? Kannst du das sehen? Wir bekommen die\nListe mit drei Filmen. OK? Nun lasst uns fragen\nPfau\nDetails.\nÜber den Film Durang Right Ok Abhi kürzlich\nUnser Film ist erschienen, alles gut.\nWir haben also viele Termine, z. B. das Veröffentlichungsdatum.\nRegisseur Hauptdarsteller Nutzerbewertung und alles\nAndere Dinge sind völlig in Ordnung, probieren wir es auch.\nStelle eine Frage, die mit dem Kurs zu tun hat, damit ich, wenn ich\nAus\nWie heißt der Kurs?\nund Gebühr\nMan kann sagen, wir belegen den Kurs und wir sind\nAlle Kursdetails inklusive\nWichtige Themen und wir erreichen die Gebühren\nInklusive Steuern. Völlig in Ordnung. Ende\nZahlbare Rate und mit Gruppe\nRabatte verfügbar. Was also unser\nDie Frage-und-Antwort-Funktion ist ein genauso gutes Chatforum wie jedes andere.\nWebsites werden im Bereich der\nTextfeld während des Ladens\nWebsites Unser Chatforum im Besonderen\nEs wird auf Basis von Website-Daten funktionieren.\nOK? Wenn Sie also Lust haben, es zu bauen.\nDann lasst uns anfangen. OK? Also, wir zuerst einmal\nVerstehen, was wir herstellen werden und wie\nLasst uns das erst einmal funktionieren lassen, dann werden wir es bauen. OK? Also\nVervollständigen Sie unsere vollständige Anwendung\nZwei Hauptbenutzeroberflächen im Projekt\nSie wird leben. Erste Website-Benutzeroberfläche\nAuf diesem Bildschirm können wir unsere\nWerde Webseiten besuchen. URL eingeben\nTun. Und sobald wir auf „Laden“ klicken\nDiese Seite unserer Website fehlt.\nWird erledigt. Es wird versteckt sein. Und wir haben neue\nEUI wird sichtbar sein. wo wir haben\nEs wird eine Option für Chat-Eingaben geben. Der Benutzer kann die\nStelle die Frage und du wirst die Antwort erhalten. wie jetzt\nWird es funktionieren? Ich verstehe. Okay, oder? Also\nZunächst einmal wird unsere Anwendung Folgendes beinhalten:\nPython-Code. OK? wen Sie anrufen können\nBackend\nBackend, okay, was passiert nun, sobald wir\nOder jeder Benutzer kann die URL der Webseiten hier eingeben\nwird es in das Eingabefeld eingeben, okay, dann er\nWohin senden wir all die vorhandenen URLs?\nwird es an unseren Backend-Code senden.\nOkay, nun zum Backend und der Backend-Logik.\nenthält die von Ihnen eingegebenen URLs.\nUnd genau hier kommt unser\ntatsächliche Verarbeitung, weil URLs so\nIch habe es von vorne bis hinten durchgesehen.\nWas müssen wir nun tun? Also\nHier werden wir einen Lappen bauen.\nRohrleitung. Wie werden wir es bauen?\nRag-Pipeline. OK? Jetzt im Lappenverarbeitungsprozess\nWas wird geschehen? Ich verstehe. Also\nZunächst wollen wir die vollständige Bedeutung von Rag verstehen. Lappen\nBedeutet einziehbare erweiterte Generation. Jetzt alle drei\nWas bedeuten diese Begriffe? Ich bin gerade am Arbeiten.\nTun. Wenn du das verstehst, dann verstehst du auch die Option.\nOK? OK. Also im Hintergrund, sobald\nSobald die URLs verfügbar sind, werden wir als Erstes\nDarauf basierend werden wir einen Systemaufruf durchführen, der\nWir werden sprechen\nWebbasierter Loader.\nOK? Ein webbasierter Loader bedeutet also im Grunde genommen\nDieser Lader oder diese Funktion wird genau das sein, was wir brauchen.\nLenchan wird die Daten dieser URLs bereitstellen.\nwird kriechen. Rechts? Also auf der Website\nEs wird auch Daten geben, wie sie beispielsweise auf dieser Seite zu finden sind.\nDaten sind alles, was es damit auf sich hat, oder diese spezielle URL\nAlle Daten dazu werden gecrawlt.\nEr wird es erledigen und wir werden Ihnen die gesammelten Daten zuerst zusenden.\nIntegrieren Sie es in Ihr Backend-System.\nDas bedeutet, man kann eine Variable und dies sagen.\nWir nennen es den Webseitenlader.\nDokumentenlader\nDokumentenlader – okay, was wird er tun?\nDie Daten werden geladen. Perfekt, perfekt, fein.\nDie geladenen Daten können nun enorm sein.\nDie Menge der Ihnen vorliegenden Daten kann folgende Größe haben:\ngeladen oder die Website, die geladen wurde\nEs gibt eine Menge Daten, richtig? Okay, was können wir also tun?\nDaten werden basierend auf den geladenen Daten entladen.\nWir schneiden es zuerst in kleine Stücke und man kann sagen\nIch werde es in Stücke aufteilen, okay?\nDas sind also meine Brocken, Brocken, kann man sagen\nSeien Sie Datenfragmente und Textfragmente.\nOkay, wie nennen wir diese Daten?\nStücke, perfekt jetzt, genau jetzt, was auch immer wir Stücke haben\nHochgeladene Datenblöcke, Daten, die wir gerade\nWir haben diese Datenblöcke generiert.\nwird in einen Vektor umgewandelt\nMatten, die einige LM-Modelle verwenden, sind in Ordnung.\nWir haben also ein Gemini-Modell. Richtig.\nWir werden dieses Gemini-Modell verwenden.\nWir werden es benutzen, okay, perfekt, und was werden wir dann tun?\nIch werde für diese Brocken einen Gemini machen.\nDie Einbettungen werden an das Modell und Gemini weitergegeben.\nWir benötigen Einbettungen für diese Datenblöcke.\nNun werden diese Netze erzeugt und ausgegeben oder\nWas sind Vektorimbuierungen im Grunde genommen, also du\nSo können Sie verstehen, dass die Chucks uns gehören.\nText ist Daten, aber was ist mit unseren Fragen und Antworten?\nMan kann von den Vorständen sagen, dass unsere Ältesten\nModelle sind das, was sie verstehen können Text\nNein, sie verstehen nur Zahlen und\nManche Beziehungen. Unser Gemini-Modell\nEinbettungsmodelle werden diese Eingaben sein.\nEs werden einige Beziehungen für die Daten generiert. Text\nMan kann einige Zahlen in eine bestimmte Form umwandeln\nWird tun. OK? OK? Wir verwenden also diese Zahlen.\nSie sagen\nVektor\nEinbettungen. Perfekt, perfekt. so schnell wie möglich jetzt\nUnsere Vektoreinbettungen sind fertig.\nJa, Vektoreinbettungen sind nun unser Werkzeug.\nNun müssen wir diese Vektoreinbettungen irgendwo platzieren.\nEs muss auch gelagert werden. OK? Für die Zukunft\nVerwenden Sie diese Funktion, wenn der Benutzer fragt, wo sich das Datum befindet.\nWird es herauskommen? Aus diesen Vektoreinbettungen\nIch muss es entfernen. Ja. Dann ist der Vektorausgang\nWo werden Sie es aufbewahren? So viele von ihnen\nDer Vektor dv ist, dass wir ihn haben. OK? Wir\nNur um es schematisch darzustellen, verwenden wir\nsind Pakcon-Datenbanken. OK? Pakcon\nVektordatenbank. Aber eigentlich\nBei der Implementierung werden wir verwenden\nSpeichervektordatenbank. So viele\nWir verfügen über die Vektordatenbank. Pakkon Our\nEs ist in der Nähe. Wir haben Chroma. Faiss\nWir haben es. OK? Amazons sehr\nWir verfügen über alle Bakteriendatenbanken. Wir sind\nIch werde es im Speicher verwenden, weil es einfach zu bedienen ist.\nEs ist so und lässt sich leicht erweitern. Okay, perfekt.\nWas werden wir hier nun verwenden?\nZahlen?\nVektor\nDatenbank.\nOK. Alles ist also bereit. so schnell wie möglich jetzt\nWir haben die Vektorimpedanz in der Vektordatenbank gespeichert.\nLass es uns einlagern. Wir senden eine Nachricht an den Benutzer.\nIch werde es dir zeigen. OK? Diese Nachricht kann sein\nWebseite\nGeladen\nErfolgreich.\nperfekt. Das ist also unser Link. und so\nNur wir können dem Benutzer mitteilen, dass die Website erfolgreich geladen wurde.\nZeigt die Nachricht an. Gleichzeitig sind wir\nDie Benutzeroberfläche wird entfernt. Du sprichst\nMan kann es verstecken. Und unser nächstes\nDie Benutzeroberfläche ist nun startbereit.\nIch unterhalte mich mit den Daten. Denn welches Datum wir auch immer haben\nWir hätten es von der URL laden sollen.\nSind. Und schließlich ist auch Vector Demail Redeem möglich.\nDer Laden ist fertig. perfekt. Nun zum nächsten Fall\nWas wird geschehen? Sobald der Benutzer\nDer Nutzer stellt die Frage: Warum ist er hierher gekommen?\nIch habe einige Fragen aufgeschrieben. OK? Nehmen wir also an\nWir haben die vom Nutzer gestellte Frage gestellt und\nWir werden diese Frage zuerst senden.\nIn der Nähe von Embedix. Warum würdest du es schicken? Weil\nWir werden auch Nutzeranfragen von Again beantworten.\nVektoren erzeugen Abkürzungen. Richtig\nIst? Damit wir Vektoreinbettungen in unsere umwandeln können\nkonnten die Vektordatenbank und einige\nIch konnte ähnliche Datensätze finden. Nun lasst uns verstehen\nWie wird es funktionieren? Hör zu, sobald er etwas gesagt hat\nIch habe eine Frage gestellt. OK? Wir nannten es einen Vektor\numgewandelt in Bindungen und diese Vektoren\nWir haben eine Vektordatenbank auf Basis von Einbettungen erstellt.\ndass es ähnliche Aufzeichnungen gibt\nDas heißt, nehmen wir an, wir haben drei Teile.\nStück eins, Stück zwei, Stück drei. Der Benutzer, der\nEr stellte die Frage und versteckte sich dann in Chunk Two.\nEs ist geschehen. Die Antwort darauf ist Frage zwei.\nist drin. Also wandeln wir das in einen Vektor um.\nUnd wir werden mit Vector DV suchen. Das\nWir nennen es Ähnlichkeitssuche. Rechts? OK?\nHier also Ähnlichkeitssuche und -nutzung\nTun. Und was genau bewirkt die Ähnlichkeitssuche? Benutzer\nÄhnlichen Datenblock zur Abfrage abrufen\nIch werde es vom Vektor D aus machen. Also der Vektor\nWas wird der DP tun? Ich muss den entsprechenden Datenblock extrahieren.\nEr wird es verlosen. Und dieses ähnliche Stück wir\nMan nennt es Kontext. Was sollen wir sagen?\nHier? Was sollen wir dazu sagen?\nFür? Kontext Perfekt Verstand. So nun\nWas ist passiert? Hier haben wir den Benutzer.\nEs gab eine Frage. OK? Wer hat die Frage?\nGing? Ging zu Embeddings. Einbettungen\nIch habe uns die dazugehörigen Unterlagen gebracht.\nAus dem Vektor dv. OK? Oh, Entschuldigung.\nauf der Grundlage von Einbettungen und u u u u u\nVektor basierend auf Benutzeranfrage\nWir haben ähnliche Datensätze in der Datenbank gefunden.\nTat. Und diese ähnlichen Aufzeichnungen werden meine sein\nKontext. Absolut perfekt. Jetzt verstehe ich.\nEs gibt einige Künstler. Dann haben wir die Regel\nEs handelt sich um ein LLM-Modell. OK? Wozu also der Nutzen?\nWerden wir es tun? LL.M. Nun jeder von unseren\nEs ist möglich, dass Sie Chat Keepid verwenden.\nOder Sie können auch Blutgerinnsel verwenden. OK?\nNehmen wir also an, wir hätten hier Blutgerinnsel verwendet.\nFür eine gewisse Zeit. OK? Mach es vorne etwas kleiner.\nSie geben es, damit es gut aussieht. OK? Jetzt\nWir haben doch gesagt, dass wir es benutzen werden, Bruder.\nsind CLOT LL.M. Was werden wir nun tun? Wir werden das tun\nWird seinem LL.M. Kontext geben. Richtig\nIst? Und gemeinsam werden wir unsere Zeit überstehen\nZur Frage.\nRichtig? Erledigt. Was wird nun geschehen? das ist unser\nDie Frage ist, in welchem ​​Kontext wir LM anwenden.\nund wir werden eine solche Requisite geben, dass bitte\nBitte senden Sie mir die Daten auf Basis dieser Kosten.\nbasierend auf diesen Kontextdaten und wir tun\nDu kannst sagen: Generiere mir die Antwort basierend darauf.\nKontextdaten für die Benutzerabfrage. Also\nWas wird der LM tun? Ein solcher Kontext\nwird die Frage des Benutzers berücksichtigen und beantworten\nEr wird die endgültige Antwort erarbeiten und sie uns mitteilen.\nIch werde diese endgültige Antwort an meine Benutzeroberfläche senden. Ende\nDiese Benutzeroberfläche muss ich hier sehen.\nIch möchte seine Antwort hier sehen.\nIch werde es besorgen. Und mein Chatfenster ist bereit.\nSo etwas in der Art. Und das ist der vollständige Ablauf.\nDas ist, was man im gesamten Ablauf sehen kann. Richtig\nIst? Dieser gesamte Fluss von hier nach hier\nEs heißt Rag Pipeline. Durch das Laden der Daten\nVon jetzt an bis zur Ermittlung des endgültigen Ergebnisses. Nun hier\nWie viele Begriffe gibt es? Gepäckträger einziehbar,\nErweiterte Generation. Ich verstehe alle drei Begriffe.\nRetrieval bedeutet, eine Benutzeranfrage zu beantworten.\nÄhnliche Daten aus besseren Datenbanken auf Basis\nZum Abrufen. Was bringt uns das also?\nHast du es getan? Kontext. OK? perfekt.\n„Erweitert“ bedeutet, die Frage plus zu erhalten.\nKombination oder Zusammenführung von Kontextdaten\nDurch die Erweiterung und die Bereitstellung eines LLM-Abschlusses\nzu erledigen. Das ist meine Augmentation. Erweiterte\nLLM, das die endgültige Antwort liefern wird.\nDas ist meine Generation. Deshalb haben wir\nDiese Technologie mit diesem Fachnamen ist richtig.\nEinziehbare Augmented Generation. und auf die gleiche Weise\nAlle existierenden Frage-und-Antwort-Chatforen\nDas alles siehst du in deiner realen Welt.\nSie werden nach diesem Produktionsablauf hergestellt.\nRichtig? Ich hoffe also, dass es mir bis hierhin klar ist.\nIst. Daran sollte niemand zweifeln.\nErledigt werden musste. Die Implementierung steht also noch aus.\nTeil. Dann lasst uns anfangen. OK? Also\nBeginnen wir mit One VS Code. Also\nIch habe einen Ordner erstellt\nWebsite Q NA Ko und wir haben sie verwendet VS\nIch habe es auch im Code geöffnet. OK? An alle\nAls Erstes erstellen wir unser virtuelles\nAmment. So Python Hfan MVENV End\ne nv ok\nIn diesem Befehl geben Sie Ihren Umgebungswert und\nIhr Ordner ist nun fertig. OK? OK\nWir aktivieren es auch. Quelle\nE Env Bin End Active. Was also unser\nDie Voraussetzungen sind gegeben und sie wurden auch bereits geschaffen.\nWenn Sie ein Windows-Nutzer sind, dann müssen Sie nur\nGeben Sie einfach e env scripts ein und\nAktivieren. Es wird funktionieren als\n[Räuspern] Bohnen. perfekt.\nNun müssen wir eine Datei erstellen.\nNV. Wozu wird es benötigt? Denn hier sind wir\nSpeichern Sie Ihre Umgebungsvariablen\nZu. Die erste n-te Variable von rechts\nDas wird unser Google sein.\nEin Beitrag von API OK Fertig Jetzt brauchen wir\nUm einige Pakete zu installieren, werden wir\nwerden wir zum Bauen verwenden\nAlles, was mit Linkchain und Lingchen zu tun hat\nFrameworks sind alle in Ordnung, also jetzt ich\nEs wurde eine Datei namens record.dxt erstellt.\nAlles, was ich benötigte, hier einreichen\nDie unten aufgeführten Pakete haben lgin lgche\nCommunity-Link Google Jnai dann Punkt\nenv als schöne Seife und Schätzung ok\nNun wollen wir etwas genauer verstehen, was Lacha ist und\nDurch seinen Ursprung. Geh zu Google und suche\nÖffnen wir die Lachen-Dokumentationsseite.\nund klicken Sie auf den ersten Link\nLass es uns öffnen. Jetzt wirst du es verstehen.\nHier ist, was ich über Python und TypeScript wissen muss.\nDas bedeutet, dass wir Lakchen in zwei verschiedene Varianten zubereiten können.\nKann in Programmiersprachen verwendet werden\nSind. Auch in Python und TypeScript\nZu. Unglaublich, was wir da haben. Jetzt klicken wir auf\nPython-Version von Lanc. Was steht da? Es\nEr sagt, Glück sei ein Weg, um anzufangen\nAufbau komplett maßgeschneiderter Agenten und\nAnwendungen, die von LL.M. unterstützt werden. Also\nGrundsätzlich gilt: Wenn Sie eine Jenny-Anwendung haben\nBaue eine Karni- oder LM-basierte Jenny.\nWenn wir eine Anwendung erstellen müssen, können wir die verwenden.\nLenche-Framework zum einfachen Erstellen\nOkay, also erstens, wenn ich Jenny bekomme, wann immer sie da ist\nWas, wenn Sie eine Anwendung erstellen möchten?\nDas sollten Sie überprüfen, wenn Sie Ihr System ansehen.\nAls erstes benötigen wir also einen Webiz-Loader, also einen wie diesen.\nDas System, das die Daten meiner Websites speichert\nIch konnte gut krabbeln, sehr gut. Nächstes Mal...\nWir benötigen eine Chunking-Strategie, um die Daten verarbeiten zu können.\nDiejenigen, die sich spalten können, werden so genannt\nSplitter, dann brauchen wir Einbettungen.\nWo wir Einbettungen der Daten generieren\nGefunden. Das bedeutet, wir benötigen ein Einbettungsmodell. Spende\nWir benötigen Vektordatenbanken. OK? Ende\nSchließlich benötigen wir noch ein weiteres LLM-Modell.\nGenerieren Sie Antworten auf die Fragen unserer Nutzer.\nEr wird es schaffen. Das sind alle Dinge, die wir brauchen\nDieses Projekt erstellen. OK? Starten\nDas muss jeder für sich selbst verstehen. OK? webbasiert\nDer Lader befindet sich in unserer Lingchen-Gemeinschaft.\nInnenversion. Man kann sagen Lin\nVerfügbar in der Gemeindebibliothek\nWebbasierter Loader. OK? Und was kommt nun?\nIst? Wie werden Chunking-Elemente verstanden? Wo\nAb wann werden Sie es verwenden? Wenn Sie also hier nachsehen\nScrollen Sie nach unten und Sie erhalten\nIrgendwo Text Später Irgendwo überprüfen\nFalls du es nicht findest, suche danach.\nWonach wirst du suchen?\nText\nSplitter\nOkay, dieser eine Link im Textsplitter\nFalls nötig, hätten wir dies auch kopieren können.\nJa, und fügen Sie es hier ein. Richtig\nIst? Perfekt, perfekt. Im nächsten Schritt\nWas wollen wir? Als nächstes, wenn unser Chunking\nFalls es dazu kommt, benötigen wir einen Vektor.\nEinbettungen. Welches Einbettungsmodell sollten wir also wählen?\nKann ich es benutzen? Lasst es uns einmal verstehen.\nWenn Sie also erneut auf Integration klicken, …\nSie erhalten Optionen für Things Chat-Modelle.\nund Einbettungsmodelle. Wir unterhalten uns gerade jetzt.\nEs gibt Einbettungsmodelle. Klicken Sie darauf.\nWenn Sie sich die Einbettungsmodelle ansehen\nSie werden viele Einbettungsmodelle sehen.\nWir werden welche finden, die wir verwenden können. Butt Joe\nWir werden es benutzen, wir werden es benutzen.\nEs gibt Google Generative Vi Embeddings. Und\nAuch hier gilt: Wenn ich ein Paket möchte, dann ist das Paket\nDer Name ist Lachen Google Jenny und Usko Bhi Hume\nKonfiguriert in record.test\nIst. Völlig in Ordnung. Als Nächstes benötigen wir LEDs.\nModell. Wir müssen also die LED-Modelle überprüfen.\nWelches LED-Modell können wir verwenden?\nWir klicken nun erneut auf Integration. Chat\nKlicken Sie auf die Modelle. Das sind also die Chats.\nModelle. Sie können sich jedem dieser Unternehmen anschließen.\nSie können das Erda-Modell verwenden. Einfach benutzen\nEin einziges Framework, das Linche ist. Rechts?\nWelche werden wir vorerst verwenden?\nSchauen Sie sich das an, es gibt viele beliebte Wörter. Sie öffnen\nDu kannst es benutzen. Entropie kann verwendet werden\nJa. Das Wort sollte im Grunde von hier aus dupliziert werden.\nIst weg. OK? Denn wo findet die gesamte Umstellung statt?\nErledigt? Google hat umgeschaltet. Also\nGoogle Generative AI – Wir verwenden erneut dasselbe Modell\nWir werden es benutzen. Und die gute Nachricht ist:\nDie Verpackung bleibt gleich. Ich meine, wenn ich\nIch klicke darauf und du scrollst dorthin. Es\nWas sollte das Beschlagnahmepaket beinhalten? Mittagessen Google\nEcht. Wir haben also wieder denselben Adam und dasselbe\nWir nutzen das Paket. Das ist fantastisch.\nSchließlich benötigen wir auch Vektordatenbanken. Also\nDie Vektordatenbank wird auch für uns gefunden.\nAus der Lache-Gemeinschaft. Wir haben also auch Lader.\nCommunity- und Vektordatenbank\nWer soll es überhaupt lagern?\nWirst du es darin finden? innerhalb der Gemeinschaft\nwird bekommen. perfekt. Und was ist mit uns?\nAlle benötigten Pakete sind eingegangen.\nSind? Ja. Jetzt führen wir den einfachen Befehl aus.\nOK? So, jetzt geht's ans Installieren.\nHuffn r Erforderliche Textdatei. perfekt.\nWas auch immer unsere Pakete erfordern und\nDie Textdatei enthält die Konfigurationen.\nWohin sollen all unsere Sachen gehen? Unser\nWird innerhalb der Umgebung installiert.\nOK? Bis dahin ist alles Weitere das Nächste.\nJa, das tun wir. Als nächstes kommt, dass wir\nIch benötige die Google-API. OK? Wie\nWerde ich es bekommen? Lass uns gehen. Also werden wir hierher gehen.\nSuche nach Google Gemini API-Schlüsseln.\nWo können wir es uns ansehen? Google A\nVom Studio-API-Schlüssel. Und als nächstes haben wir\nSie sollten sich auch die Google Gemini-Modelle ansehen.\nWelche Array-Modelle unterstützt Google Gemini?\ndie wir zum Erstellen unserer Anwendung verwenden\nDamit können Sie das tun. OK? Also\nSie erhalten diese Liste der Modelle j e EPA.\nperfekt.\nHier ist jetzt geöffnet, Sie können hier sehen, wir haben zwei.\nEs gibt API-Schlüssel. OK? Zwei verschiedene APIs\nWir haben die Schlüssel. Zuerst kommt Jane\nDie von uns angewandte Schulung war anders.\nUnd das ist mein nächstes Projekt.\nWenn man sich den Namen der API ansieht, ist das meine\nJNA-Serie API-I-Schlüssel Ende dieses PDFs\nDie QnA-Board-API, die wir gerade besprochen haben.\nSie haben sicherlich mein vorheriges Video gesehen, in dem\nAber wir haben das Kapitel mit den Fragen und Antworten erstellt.\nFür PDF. Ja. Also damals haben wir\nEs wurde ein API-Schlüssel verwendet. Also, ich werde gehen\nUm denselben API-Schlüssel zu kopieren und einzufügen\nHier. Eigentum. Wir haben also auch AP-Schlüssel.\nEs ist fertig und wir haben alles vorbereitet. Jetzt\nWohin werden wir gehen? Im Inneren der Modelle und Sie\nWenn Sie hier schauen, sehen Sie viele Modelle.\nSind. Gem 3.1 Pro ist ebenfalls bei uns eingetroffen.\nOK? Und wenn Sie es benutzen möchten, können Sie das tun.\nWie kommt man daran? Schau mal, da steht: Wie heißt du?\nGibt es hier ein Vorbild? Dies ist Genie 3.1 Pro\nVorschau. Dies ist der eigentliche Modellcode, der\nWir werden es benutzen. perfekt. Na dann los.\nWir erstellen eine Datei in einem Ordner\napp dot py und das erste Ziel wird das sein\nwelche Umweltvariablen oder welche Umgebung auch immer\nVariablen, die wir in der ENV-Datei definiert haben\nSind. Zuerst müssen wir diese laden, dann wie\nTun? Wir haben ein Paket namens dot env\nWas werden wir hier schreiben? von Punkt\nAufruf zum Importieren von load.andload.enb\nIch werde es tun. Das war’s. Sobald Sie nun Ihr\nIn N1 kann eine beliebige Anzahl von Codezeilen ausgeführt werden.\nVariablen, die in der ENb-Punktdatei definiert sind\nSie alle werden unsere Last sein.\nProjekt oder innerhalb unserer Datei\nIch werde gehen. Gut, gut, nun. Was brauchen wir jetzt?\nWir benötigen vier Dinge: welche Dokumente\nLoader Splitter Eingebettete Modelle und Vektoren\nDatenbank. Perfekt, okay, dann importieren Sie das.\nJa, das tun wir. Zunächst einmal möchten wir sagen, dass von\nMittagessen Community Punkt\nDokumentenlader importieren webbasierte Ladevorgänge.\nWozu benötige ich Web-Payload? Weil unser\nDas System besteht darin, dass es Webseiten aufruft und Daten sammelt.\nwird gleich geladen. Website durchsuchen\nDie Daten werden geladen. Perfekt, perfekt. als wir\nWo bekomme ich einen Nadelteiler?\nLachen Text Splitter Import Rekursiv\nZeichentext-Splitter. Das ist eine Möglichkeit\nDie Strategie besteht aus rekursiven Zeichen.\nTextsplitter, mit dessen Hilfe wir\nDaten oder Text aufteilen\nsind in Smallspoul-Chucks. Wie funktioniert das jetzt?\nIst das so? Werden wir versuchen, es jetzt zu verstehen oder es tun?\nWir werden sehen. Als nächstes brauchen wir\nEinbettungen. Woher bekommen Sie also die Einbettungen?\nMich? Einbettungen erhalten\nVon Linkon Google Jnana Import Dekho\nGoogle Generative AI und Google Generative\nEinbettungen, die wir benötigen, Googles generative KI\nImportieren wir nun die Einbettungen. Und\nAls nächstes benötigen wir Google Chat Generative\nEinbettungen. Weil wir zwei LED-Modelle haben\nOder ein Einbettungsmodell. einer von uns\nIch benötige ein LED-Modell. Woher kommen wir beide?\nWirst du es tun? Nutzer von Google\nSind. Perfekt, perfekt. Nun der letzte Schritt\nWo finden wir die Vektordatenbank?\nDas werden wir auch von der Line Chain Community erhalten.\nso line chain community dot vector store\nInformationen im Speichervektor perfekt speichern\nAlles ist bereit, jetzt nur noch der letzte Schritt.\nOkay, was müssen wir jetzt nochmal tun?\nVom Laden von Dokumenten bis hin zu Einbettungen\nBis zu den vier Phasen für die Pipeline\nWir müssen sie bauen, also lasst es uns tun.\nWas wird der erste Schritt sein?\ndokumentieren\nLader und man kann auch sagen Dokumentenladen\nvon. Was ist dann der nächste Schritt?\nWir? Teile die Daten auf. und nächster Schritt\nWas wird geschehen?\nEinbettungen und\nVektorstrich. perfekt. Los geht's!\nWir bauen es Stück für Stück. Wozu sind wir also hier?\nWirst du schreiben? Hier schreiben wir Loader gleich\nVariable Name Is Loader Equ\nBasislader. Was ist denn nun das Passwort im Web?\nTun? Wir stellen den Pfad unserer Website zum\nDie Daten müssen von der Website geladen werden. Na und\nWird es angezeigt? Webpfad Eine Sequenz von\nSting bedeutet Liste von Webseiten. OK? Also\nHier übergeben wir nur den Webpfad. OK?\nWir können also auch schreiben, wenn wir wollen. Webpfad\nGleichheitszeichen und welche URL übergeben werden soll\nWirst du? Wir sind unser eigener Filmmann.\nDann fügen wir es jetzt ein. und schließlich\nWir sagen einfach Docs Equ\nLoader dot load. Was wird er tun? Websites\nLaden Sie die gesamten Daten von\nIch werde gehen. In wem? Dokumentennamenfehler\nInnen. Sie können die Datei auch ausdrucken und jederzeit überprüfen.\nDu schaffst das. Versuchen Sie, Docs Now auszuführen.\nOpenGL funktioniert nicht richtig.\nIst. Öffnen wir die Python-Anwendung dotpy. Wenn\nAlles funktioniert einwandfrei. Ihre Daten\nEs sollte geladen sein.\nWarten wir eine Weile ab. Okay, was steht da?\nOK. Daher wurde der Zugriff verweigert. OK?\nProbieren wir mal ein paar andere URLs. OK?\nHier ist also die URL unserer Steuerwebsite.\nLass es uns überprüfen. Manchmal funktioniert eine Website nicht\nErmöglicht Ihnen ein kontinuierliches, präzises Zuschneiden. Also\nJetzt ändern wir es. OK? Ende\nFühre das jetzt aus. Ich glaube, es sollte funktionieren.\nKann ich das sehen? Wir verfügen über vollständige Daten.\nDie Schriftrolle ist fertig. Als würdest du kriechen\nstammt von meiner Website-URL. OK\nperfekt. Nachdem wir nun die Daten geladen haben,\nDer nächste Schritt besteht darin, die Daten zu konvertieren.\nTeilt. Schneide es in kleine Stücke\nTeilen. Wie geht das? Also werden wir es wieder tun.\nEine Variable definieren\nSplitter gleich rekursivem Zeichen\nTextteiler. Und was werden Sie weitergeben?\nDarin enthalten? Zwei unterschiedliche Argumente.\nZunächst die Chunk-Größe, die 1000 beträgt.\nDas bedeutet, dass wir die gesamten Daten in kleine Teile zerlegen können.\nWir werden es in Stücke aufteilen. Also jeder einzelne\nMaximale Anzahl von Zeichen in einem Datensatz\nWie viele könnten es sein? Also sagten wir 1000.\nDas bedeutet, wenn ich 3000 Daten habe\nOder angenommen, es gibt 3500 Teile, dann wäre der Gesamtteil\nOder die Gesamtzahl der Stücke wird durch vier geteilt.\n1000 und 500. Okay? Und hier haben wir\nDas nächste Argument, das wir übergeben, ist\nIch werde den entsprechenden Abschnitt darüber weitergeben.\n200. Das bedeutet, dass die 1000 Zeichen\nDieser spezielle Abschnitt wird enthalten\nDie letzten 200 Zeichen im nächsten Abschnitt\nWird auch geschehen. Also erster Abschnitt und zweiter Abschnitt\n200 Zeichen überlappen sich.\nSeine Eigenschaft ist, dass wir jederzeit Daten\nNach dem Laden, falls der Benutzer eine Frage stellt, dann\nZu diesem Zeitpunkt ist auch die Beziehung zwischen einem Chunk und einem anderen Chunk\nkann verstehen, dass OK die Antwort auf die Frage des Benutzers ist.\nDie Antwort beginnt mit diesem Abschnitt.\nWird auch zum nächsten Abschnitt übergehen. Deshalb\nSorgen Sie für Überschneidungen zwischen den Strategieblöcken. OK? Jetzt\nWas wird einfach gesagt: Docs Equ Splitter\nPunktaufteilungsdokument und was zu übergeben ist\nWir werden es hineinlegen\nwird die Dokumente weitergeben\nOkay, jetzt können wir es, wenn wir wollen, ausdrucken.\nSie können auch die Drucklänge sehen.\nAbseits der Docks\nWenn wir das jetzt noch einmal durchführen, dann lasst uns\nC Was bekomme ich zu sehen? Antwort\n23 bedeutet die Website-Daten, die Sie geladen haben.\nMit diesen Daten meine ich die Daten, die\nChucks wurde entwickelt, seine Größe 23 bedeutet eins\nWir haben die Daten in 23 Abschnitte unterteilt.\nperfekt. Der letzte Schritt sind Einbettungen und\nVektorstrich. Wie geht das? Wir haben es abgeschnitten\nLasst es uns von hier aus machen.\nEinbettungen gleich welchen Einbettungen\nWerden wir diesen Modus verwenden? Google generierte\nDurch Einbettungen und Moral. Was befindet sich hier in der Nähe?\nMuss es wirklich sein? Moral. Wie kommt man jetzt an Morcheln?\nMich? So werden wir Lachen erneut beunruhigen\nGrundsätzlich. OK? Klicken Sie auf Integrationen.\nJa, das tun wir. Einbettungsmodelle.\nWelche werden wir machen? Google Genitiv\nEinbettungsmodelle Wenn Sie nach unten scrollen, sehen Sie\nWird den Modellnamen geminae Einbettung erhalten\nVorschau\nWir kopieren dies und fügen es hier ein.\nUnd zuletzt Vector DB. Wir werden also sagen:\nVectorDB entspricht einem Vektor im Speicher\nSpeichern. Welchen Vektorspeicher sollten wir also verwenden?\nWirst du es tun? Vektorspeicher im Arbeitsspeicher.\nDas bedeutet, dass der Vektorspeicher keine Datenbank sein wird.\nHier. In unserer Erinnerung,\nVektoren werden hier gespeichert.\nperfekt. Wenn wir nun diese Speichervektoren haben\nWenn Sie Schlaganfall sagen, muss ich es hier aussprechen.\naus Dokumenten, weil ich\nSpeichern von Daten im Vektor DV\nWoher bekommt man Vektordaten von DV?\nSpeichern Sie Karna Hai jetzt aus den Dokumenten\nWas werden wir hier passieren?\nUnsere Dokumente werden unseren gleichwertig sein.\nDokumente in Ordnung und als nächstes welche Einbettung?\nWenn wir die Leiche verwenden wollen, dann können wir sie hier weitergeben.\nWir setzen Embedding gleich Embeddingdance, das ist alles.\nWir hatten so wenig Arbeit, dass wir alle drei\nAbgeschlossene Schritte, welche Daten\nTeilt die Last und sorgt dafür, dass sie sich teilen\nIm Grunde genommen dann schließlich Einbettungen\ndurch und Speicherung in der Vector DB.\nJetzt sind wir aber bereit, die Fragen der Nutzer zu beantworten.\nUm Antworten zu generieren für. Wie geht das?\nWir haben also eine Wertabfrage erstellt, die gleich ist\nAngenommen, der Benutzer hat eine Frage gestellt\nWas ist das?\nKursname. Was werden wir nun tun? Wir verwenden diese Abfrage\nÄhnlich wie seine Vektordatenbank basiert auf\nDie Datensätze stimmen überein. Rechts? wie wir\nIch weiß, wenn wir uns das Design hier ansehen\nKo zu dem, was es sagt, Benutzer, wenn Frage\nWenn wir das tun, erhalten wir ähnliche Ergebnisse von Vector DB.\nDatensätze müssen abgerufen werden. Die Einbettungen also\num ähnliche Datensätze durch Konvertierung abzurufen\nDass der gesamte Prozess nur für uns ist\nEs lässt sich in einer einzigen Codezeile finden. Wie?\nAlso sagten wir\nRecords Equ Vector Dv Dot Similarity\nSuchen. Die Ähnlichkeitssuche liefert uns einen Vektor dv.\nWie eine Vektordatenbank im Arbeitsspeicher, die\nHier wird ein Objekt erstellt, darin befindet sich ein\nDie Ähnlichkeitssuche ist jetzt verfügbar.\nSuche simulieren: Was werden wir übergeben?\nHier übergeben wir die Abfrage, die dem Benutzerschlüssel entspricht.\nAbfrageende, nehmen wir an, wir geben hier etwas aus.\nWas wird nun geschehen?\nÄhnlichkeitssuche basierend auf der Benutzeranfrage,\nDie meisten ähnlichen Abschnitte stammen aus meinem Vektor.\nEr wird die Datenbank abrufen und sie mir geben.\nund wo man es bekommt, und wo man es aufbewahren kann.\nIch werde es in den Aufzeichnungen speichern, okay? Wenn\nDu spielst dieselben vier erneut.\nKann ich das sehen? Wie viele Antworten bekomme ich zu sehen?\nSind? Es sind vier Ergebnisse sichtbar. Warum?\nDenn ebenso, mein Herr, okay, tschüss uns.\nStandardwerte für ähnliche Datensätze werden zurückgegeben\nEr tut es und gibt es weiter. OK? Also werden wir es tun\nKann ich das anpassen? Ja. Wir gehen davon aus, dass\nGegeben k = 6. Das bedeutet, dass ich jetzt\nEs werden die sechs ähnlichsten Datensätze benötigt.\nOK? Kann ich das sehen? Wir bekommen sechs.\nAufzeichnungen. Völlig in Ordnung. Jetzt wird es geschehen.\nWas? Angenommen, wir drucken hier\nSchauen wir uns die Rekorde von Null an.\nBesuchen Sie uns. OK?\nLassen Sie uns diese Daten etwas genauer betrachten.\nLasst uns die Lautstärke etwas erhöhen. OK? Kann C\nDas? Wir bekommen nun einige Daten zu sehen. Diese\nWas enthält alle Daten? Name des Seiteninhalts\nbefindet sich innerhalb einer Variablen. Wir sind also getrennt\nAus dem Sprichwort „Aufzeichnungen von Null“. Wir\nMan kann es auch direkt Seiteninhalt nennen.\nperfekt. Deshalb werden sie unsere nicht drucken.\nWeil wir uns bewusst sind, was gedruckt wird\nWerde ich tun. Wir nutzen im Grunde die Daten dieser Datensätze.\nEin Eintrag für die Liste ähnlicher Blöcke\nKontext kombinierter Kontextaufbau\nWir werden es tun. Wie werden Sie es bauen? Einfach\nfromContext Gleich zu leerer Variable und\nErstellen wir nun eine leere Zeichenkette. Und was ist mit uns?\nHier sagen wir für Hund in Aufzeichnungen. Also\nAlle ähnlichen Daten in den Aufzeichnungen\nOder anstatt es Hund zu nennen, hätten wir sagen können:\nBrocken.\nWas sollen wir dazu sagen? Brocken. für Chunk in\nAufzeichnungen. Und was werden wir hier sagen?\nHier sagen wir: Kontext plus gleich.\nZur Einordnung fügen wir diesen Abschnitt hinzu.\nzu den Daten von . Was werden Sie also hinzufügen? Chunk Dot\nSeiteninhalt und Plus-Vorwärts\nSitzung für Sitzung. Etwas Platz pro Abschnitt\nDazwischen liegen zwei neue Zeilen. OK? perfekt.\nJetzt haben wir auch den Kontext.\nWir haben die gleiche Anfrage. Was sind wir also?\nErstellen Sie erneut ein Objekt eines LNM-Modells.\nKann ich auf diesem Weg Fragen an LNM stellen? Steuer\nDürfen. Wie geht das? Schau mal, es ist ganz einfach.\nSagen Sie einfach LNM Equ, um mit Google zu chatten.\nGenerative KI und Yahan Pe Kya Paas Kar\nWirst du spenden?\nDas Modell entspricht unserem Modell, das den Anforderungen genügt.\nTun? Welches Modell werden wir also wählen?\nHier? Gehen wir also zu unserem Gemini Pro.\nSind. Welches Modell haben wir? Zwillinge\n3.1 Pro Vorschau. OK?\nLass es uns einfügen. Nun werden wir einfach\nAntwort von equ llm dot inbook. LLM\nInnerhalb des Objekts finden wir eine Methode\nInBook. Und der Posteingang ist die Methode, die für uns funktioniert.\nSchließlich wird sie ihre Frage an den Fehler senden.\nUnd wird die Antwort generieren. OK? Na und\nKönnen wir das hier machen? Steuern in unserer Nähe\nIch werde ein Requisit und eine Nachricht übermitteln. Was ist nun die Botschaft?\nwird es sein? Die Nachricht lautet also:\nGib mir\nFinale\nAntwort für meine\nFrage.\nFrage\nbasierend auf der\nKontext wurde bereitgestellt. OK? Jetzt\nWelcher Kontext wird vorliegen? Also wir\nSie müssen den Kontext übergeben. Also\nWelcher Kontext sollte gewählt werden? Dynamisch.\nAlso setzen wir hier F ein. Zeichenkette\nLass es uns formatieren. Und was ist hier?\nWirst du es bestehen? Wir werden unsere\nKontext. perfekt. perfekt. Ende\nDie Frage ist\nDie Frage ist: Wie lautet also die Frage?\nUnsere Frage wird innerhalb der Anfrage stehen. Das ist\nEs. Wenn wir es also so verstehen, dann …\nEine Zeichenkette wurde einem Zeiger übergeben, um die Funktion aufzurufen.\nDie gestellte Frage gibt mir eine endgültige Antwort.\nMeine Frage basiert auf den bereitgestellten Informationen.\nWas ist Kontext und Kontextanalyse?\nWas ist der Kontext und die Fragestellung? Das ist\nMeine Frage ist völlig in Ordnung und jetzt\nWenn wir drucken, was werden wir drucken?\nWird auf Punktinhalte antworten\nVerstehen, was innerhalb der Reaktion geschehen wird\nWenn wir die Antwort sorgfältig prüfen, erhalten wir eine\nMan kann sagen, man erhält eine Variable, man erhält eine.\nBei Inhalten geht es um Inhalte und wenn wir\nWenn wir es ausdrucken, können wir das Endergebnis sehen.\nSie erhalten die Antwort auf meine Frage. OK? Das war's.\nUnd alles ist bereit. Jetzt lasst uns loslaufen!\nSiehe die Frage. Was genau haben wir also hinterfragt?\nGefragt? Wie lautet der Name des Kurses? Mal sehen\nWelche Antwort liefert uns unser ERM-System?\nIst.\nEinen Moment bitte warten, denn das ist abgeschlossen.\nDer Ablauf muss wie folgt sein. OK?\nOK? Wir bekommen also so etwas wie...\nFehler. Generali 3.1 Vorschau-Ressourcen\nErschöpft ausgeführt. OK? OK. Also\nWir erhalten diese Fehlermeldung häufiger.\nIch werde nicht küssen können. Weil wir eine kostenlose API haben.\nIch benutze es. OK? Was können Sie also tun?\nJa, wir werden unser zweites L häufiger verwenden.\nWir wählen ein anderes L aus Gemini.\nVielleicht ist die Wahl von 2,5 Blitzlicht ausreichend.\nKlicken wir hier drauf.\nUnd wir kopieren das, okay, gut.\nKein Problem, und wo werden wir es jetzt ändern?\nIch werde es in meinen Modellnamen ändern, okay?\nErledigt\nSpeichern und erneut ausführen. OK.\nUnd dieses Mal erwarte ich ...\nDie richtige Antwort erhalten\nperfekt. Kannst du das sehen? Der Kursname lautet:\nData Science Analytics und Complete Jain\nMit Python. Auf diese Weise können wir unser Projekt abschließen.\nIn der Lage sein, ein Frage-und-Antwort-Forum zu erstellen. Du sprichst\nSie können eine Rangpipeline erstellen.\nAber nun besteht der nächste Schritt darin, dass wir\nEine Benutzeroberfläche für die jeweilige Pipeline\nAuch das Bildschirm- und UI-Design muss erstellt werden.\nWie werden wir das also anstellen? Ich verstehe. Sehr schnell\nWird erledigt. Es wird nicht so viel Zeit in Anspruch nehmen. Wir\nStreamlets sind die Richtigen dafür. OK? Also\nWas werden wir tun? Wir importieren hier\nTun\nStimulieren Sie SST und schreiben Sie zuerst\nWir werden entweder eine ST-Punkt-Überschrift oder eine Unterüberschrift vergeben.\nAlle Header werden verwendet.\nDas Kopieren ist nicht nötig, weil wir es einfach nur benutzen müssen.\nDasselbe gilt für die Unterüberschrift.\nNun müssen wir einige Punkte etwas genauer verstehen.\nSie müssen verstehen, dass beim ersten Besuch einer Webseite\nWenn Sie es laden, erhalten Sie neben diesem Titel auch Folgendes:\nDiesen Bereich anzeigen Diese Benutzeroberfläche anzeigen\nIst. OK? wo Sie Ihr\nEinen Titel haben. OK? Und du hast einen\nEs sollte ein Textfeld geben, in dem Sie Ihre Nummer eingeben können.\nZugriff auf Webseiten. Aber wie lange noch?\nMöchtest du es zeigen? Solange wir unsere Websites behalten\nDaten laden, soweit möglich durch Eingabe\nIch tue es nicht. Während wir die Daten laden\nWerde geben. Wir werden diese Benutzeroberfläche ausblenden und\nZeigt Ihre Chat-Benutzeroberfläche an. OK? Was sind wir also?\nWas können wir tun, um dies zu erreichen? Verstehen\nSeien Sie vorsichtig. Eine Variable innerhalb von ST name\nEs gibt einen Sitzungsstatus. Der Sitzungsstatus bedeutet Folgendes\nDer jeweilige Browser, den Sie einmal laden\nNach Abschluss des Vorgangs wurde eine Sitzung erstellt. Richtig\nIst? Eine Erinnerung wurde geschaffen. diese Erinnerung\nHierbei speichern wir unsere Daten nur vorübergehend.\nSie können es speichern. OK? So ist es\nWas? Ja. Wir werden also eines tun. einer von uns\nWird Bedingungen auferlegen. Wenn\nWeb\nGeladen\nnicht in\nST Punkt ST Punkt Sitzungsstatus bedeutet Sitzung\nFalls im Zustand ein Web-geladener Name vorhanden ist\nWenn keine Variable vorhanden ist, dann machen wir es zu ST.\nPunkt Sitzungsstatus Punkt Webseite geladen gleich\nWas wirst du tun, wenn du fällst? Dann tschüss.\nStandardmäßig gehen wir davon aus, dass Websites, die unsere sind,\nJa, es ist noch nicht geladen, okay?\nAlles in Ordnung. Was nun?\nAls nächstes sollen wir uns eine Benutzeroberfläche zeigen lassen.\nWenn alles in Ordnung ist, wird dieser Vorgang in der Benutzeroberfläche angezeigt.\nDanach folgt im letzten Schritt diese Kernlinie.\nWir entfernen den Kommentar. das Ganze\nSie können den Code eine Weile kommentieren.\nSind. Wird es funktionieren? Ja, es wird vorerst funktionieren.\nWeil wir uns jetzt auf die Entwicklung der Benutzeroberfläche konzentrieren müssen.\nIst. OK? Nur aus Zeitgründen werden wir\nIch werde es auch nach dem Entfernen der Kommentarzeichen verwenden. Nun sind wir hier\nIch werde eine Bedingung daran knüpfen. Wenn nicht ST-Punkt\nSitzungsstatus.Web geladen. Das bedeutet, wenn\nDie Webseite ist noch nicht geladen, wir\nEs ist nicht geladen. OK? Oder wir haben Web\nEs werden keine URLs eingegeben. Was wirst du also zeigen?\nWir? Hier werden URLs angezeigt, die gleich sind\nST-Punkt-Textbereich\nUnd was möchten Sie im Textfeld anzeigen?\nEin Etikett kann zeigen, was das Etikett sein könnte.\nEs soll so bleiben. URLs und eine URL eingeben\nonline\nOkay, und wir fügen die Bedingung hinzu, wenn die URLs\nDas bedeutet, sobald Sie URLs eingeben\nWenn Sie diese Bedingung stellen, wird sie wahr.\nWas werden wir also tun? Wir werden es drucken.\nzu URLs\nOkay, erledigt, wir werden jetzt versuchen, diese Anzahl an Runs zu erzielen.\nSind. Dann werden wir es weiter verstehen. Jetzt zum Ausführen\nWas muss hierfür getan werden? Wir haben also zuvor\nAls ob ich keine Punkte erzielen könnte. Python-Anwendung. Pep V\nMan muss Streamlets verwenden.\nFühren Sie app dot p aus. Stumlet gefällt dieser Server\nEs sollte einen Mini-Sir geben. OK? Eine Notiz öffnen\nFür uns ist es vorbei. OK? Nun haben wir hier\nKundensupport-Fragen-und-Antworten-Forum und Interview\nWebsite-URL zeilenweise. alles ist\nBereit. Sie können Ihr Design von hier aus ändern, wenn Sie möchten.\nSo können Sie es auch abdunkeln. Das war’s.\ntoll. Hier können Sie nun eine beliebige URL eingeben.\nWas immer du schreibst, du wirst es auch zu sehen bekommen. Wie\nLass uns diese URL hierher kopieren.\nLass es uns einfügen. OK? Und genau wie du\nWenn Sie außerhalb des sichtbaren Bereichs klicken, wird diese URL geladen.\nWird erledigt. Und wo bist du gelandet? Rückblick\nDer Druck ist fertig. Perfektes IB\nEs wird klar sein. Erledigt. Jetzt genau wie ich\nWenn URLs gefunden werden, dann für diese URLs\nWir müssen die Bearbeitung beantragen. bedeutet, sie zu laden\nDu musst es tun, man könnte sagen kriechen. Inverey\nzu generieren und auch in einem Vektor zu speichern\nIch muss es tun. Wo befindet sich also unser gesamter Code?\nbis? Dies ist der vollständige Code, den wir\nIch entferne den Kommentar. OK? und eine Funktion\nIch werde es hineinladen. Was wirst du sagen?\nVerfahren\nURLs.\nperfekt. Was werden wir ihm übergeben?\nDie Funktion wird die URLs übergeben.\ntoll.\nVerstehen Sie das nun genau. Jetzt, da wir die URL haben\nWenn Sie bestehen, sollte dies die Liste sein\nin URLs. Was sind wir also standardmäßig?\nGeben? Ihm wurde eine Liste übergeben. OK? Richtig\nIst? Was sollen wir nun hier tun? Verstehen\nWichtig ist, dass wir alle Daten haben\nEr muss hierher kommen, wir werden ihn verladen.\nund laden Sie es in Form einer Liste\nWird gelagert. Wie können wir das also schaffen? Sehen\nAlle\nIch habe eine leere Dokumentenliste erstellt.\nNahm. OK? Nun, dieser spezielle Code, den wir\nWir werden es in eine Schleife einbetten. Wie? Für\nURL in URLs. OK? OK? Und hier\nGegen Zahlung ersetzen wir den hinteren Weg. Und\nKönnen Sie mich hier passieren? Übergeben Sie die URL\nWerde geben. Erledigt. So wie unser Dock beladen ist.\nwird gehen, wir werden es in allen Dokumenten speichern.\nInnen. Was wirst du schreiben? AllDocs.Append\nOff Docs. Ist alles bereit? Ja. Jetzt wie\nAlle Daten sind in unserer Dokumentensammlung verfügbar.\nIch werde gehen. Jede einzelne URL wurde durchsucht.\nAbgesehen von denselben Dokumenten werden Sie einfach\nVon AllDocs. Nun, was auch immer der Code war, es war alles\nEinige Bohnen werden übrig bleiben. Das war’s. Klar sogar\nPassiert? Passiert. Nun diese Vektordatenbank\nVerstehen Sie die Angelegenheit genau. Vector DB us\nWenn unsere Daten verarbeitet wurden\nDaher müssen wir dies auch in unserer Session speichern.\nwird sein. Wie können wir das also schaffen? Wir sind hier bei\nwird st Punkt schreiben\nST Punkt Sitzungsstatus Punkt Vektor Datenbank Äquivalent\nVektordatenbank und wir schneiden sie jetzt zu.\nUnd wir gehen ganz nach oben und fügen eine Bedingung hinzu.\nWird angewendet, wenn Vektor db nicht in st dot enthalten ist\nWas können wir tun, wenn kein Sitzungsstatus vorhanden ist?\nWir werden schreiben, wir werden schreiben, ST-Punkt-Sitzungsstatus\nPunktvektor D gleich null, den Sie haben durch\nDie Standardeinstellung ist nun nun. Aber\nSobald unsere Vektordatenbank fertig ist, werden wir\nWir werden die Nonne entfernen und sie retten.\nWirst du spenden? Objekt von ActualVectorDB\nIch werde es speichern. toll\nVerstehen Sie diese Angelegenheit nun genau. Interesse an\nGeist. Unsere Vektordatenbank ist bereit.\nGing. Wir werden dem Gehaltssystem hier Folgendes mitteilen:\nUnser Rucksack ist auch vollgepackt. Und was ist zu tun?\nWir werden es geben, wir werden es hier wahr werden lassen.\nWar es so eindeutig? Was hast du gemacht? Dann\nIch verstehe. Schaut mal, wir haben einen Input.\nDas Textfeld wird angezeigt. Wie Ihre URL\nAusgabe an beliebiger Stelle\nWenn Sie auf diese URL klicken, wird der Wert angezeigt.\nwird gehen und wir haben gerade gedruckt, aber\nWir werden URS hier bearbeiten.\nAnrufen und was werden wir hier passieren?\nwird die URLs durch Punkte trennen und wenn Sie\nWenn ihr euch trennt, in welchen Teil solltet ihr euch dann trennen?\nwird in eine Liste von URLs aufgeteilt\nWirst du mitkommen? Ist das jetzt klar?\nWenn wir URLs verarbeiten,\nLaden einzelner URLs in AllDocs\nIch werde sie aufbewahren und schließlich teilen.\nPräge es ein und speichere es in einem Vektor DV.\nund schließlich wird auch der Vektor dv als zweiter angegeben.\nWird im Status gespeichert. Das war’s. Als\nSobald dieser Prozess abgeschlossen ist, werden wir\nWas zu tun? Wir zeigen Ihnen hier ST\nPunkterfolg. Und worin besteht der Erfolg? Erfolg\nwird sein\nURL\nVerfahren\nErfolgreich. Völlig in Ordnung. Perfekt\nBußgeld. Was sollen wir nun tun? Nun ein kleiner Teil von uns\nWir werden eine Weile hier bleiben. Wie lange\nWirst du aufhören? Er wird über die Haftungsdauer entscheiden.\nWir sagen also: from time import sleep\nWir gehen zum letzten und hier...\nWirst du schlafen und wie lange wird der Schlaf dauern?\nWirst du es anwenden? Zwei Sekunden lang bissen wir zu.\nWir werden uns ausruhen und schließlich ST sagen.\nDot-Wiederholungen. Was wird Rerun bewirken? meine Webseite\nwird neu geladen. Aber diesmal ist der Sitzungsstatus\nEs wird keine Änderung geben. Jetzt profitiere davon.\nWas wird geschehen? Wenn Sie es erneut ausführen, wird die Webseite geladen.\nUnser Wandel muss stattgefunden haben. web load jo\nWas falsch war, wird wahr werden. Also dieser hier\nMeine gesamte Benutzeroberfläche wird entfernt und ich\nDie nächste Benutzeroberfläche wird sichtbar sein. Und wann wird das geschehen?\nWerde ich es sehen können? Wenn ich es erstelle\nErstelle, was ich tun werde ST-Punkt-Sitzungsstatus\nDot Web Load\nST. Sitzungsstatus. Web laden\nDas bedeutet, dass dies beim Laden der Webseite geschrieben wird.\nOkay, und wir werden auch noch einige weitere Bedingungen hinzufügen.\nWas wird der Zustand der Sitzung sein?\nWas bedeutet der Punktvektor dB?\nDer Vektor sollte nur dann nicht in der Datenbank sein.\nDie Benutzeroberfläche wird angezeigt; sehen Sie, was in der Benutzeroberfläche erscheint.\nEs ist sehr einfach zuzubereiten, das wollen wir hier sagen.\nEinfache sa-Abfrage gleich s t Punktprüfung\nEingang\nHoffnung\nUnd das war's! Ihre Bewerbung ist fast fertig.\nVersuchen Sie, Ready Really Now in Ihrem Browser auszuführen.\nLass uns die Seite aktualisieren.\nLass uns die URL kopieren. wieder auf unserer Seite\nLass uns gehen. Lasst es uns hier erledigen. irgendetwas im Moment\nEs ist nicht passiert. Wille nicht getan. Aber sobald wir draußen sind\nEin Klick darauf bewirkt etwas. Gut\nIch erhalte die Fehlermeldung, dass das Listenobjekt keine Inhalte enthält.\nAttributseiteninhalt OK Wo kann der Fehler angezeigt werden?\nIch verstehe, okay, lass uns noch einmal überprüfen, wo der Fehler liegt.\nEs läuft alles gut, also unsere Prozess-URLs\nOkay, und wie kann man den Bus verlassen?\nWenn wir es tun, werden wir zuerst darüber diskutieren.\nWer wird drucken? Wer wird drucken?\nWir erstellen die URL, welche URL erhalte ich?\nJetzt sagen wir loader dot load web path\nURL erfolgreich übergeben und angehängt\nWenn wir es verlängern, ist alles in Ordnung.\nDas wird für mich keinen Unterschied machen.\nHier ist alles in Ordnung. Okay, lasst uns einen Durchgang machen.\nMal. Also, lasst uns eine Wiederholung machen.\nOkay, perfekt, perfekt. Können Sie das jetzt sehen?\nWir mussten unseren Namen hier erweitern, damit\nDie uns vorliegenden Daten sollten sich ständig erweitern und\nUnsere Daten sollten darin gespeichert werden und nicht\nAnhängen. Okay, gut. Jetzt, weil Docs\nWohin sollte ich nur enden? Holen Sie sich einen bereits gelisteten\nEs war. Aber welchen Fehler haben wir begangen?\nIch habe es angehängt. Was bewirkt die Funktion „Anhängen“ nun? Das\nDadurch wird eine weitere Liste innerhalb der Liste gespeichert.\nAber nein, welche Daten auch immer in diesen Dokumenten enthalten waren\nWohin hätte ich mich einzeln wenden sollen? AllDocs\nIch hätte hingehen sollen. Das war negativ. Richtig?\nAber aus welchem ​​Grund haben wir es bekommen? perfekt.\nJetzt ist alles bereit und mein AY-Chat\nDas Board ist bereit. Ich klicke also auf Enter.\nIch werde es tun. Ist Zustand. Was bleibt uns also nun noch?\nNahe? Nun bleibt es dabei, dass immer dann, wenn der Benutzer\nStelle die Frage: Woher wird es kommen? in der Anfrage\nWird kommen. Um also eine Antwort auf diese Frage zu erhalten\nUm die endgültige Antwort zu generieren, benötigen wir\nDieser Vorgang war abgeschlossen. Mach es los\nMachen wir's, schneiden wir es ab und dieses Besondere\nFüge es nach der Zeile ein.\nWir verschieben es in die nächste Zeile. Richtig\nIst? Erledigt. Was wird nun geschehen? nicht einmal Vektor D\nwird sein. Was werden wir haben? ST Dot Session\nDer Zustandspunktvektor wird db sein. alles andere\nEs wird sich nichts ändern. Und die Anfrage wird nicht so lauten. Benutzer\nWas immer du dir wünschst, wird geschehen. OK? Na ja, was soll's.\nWir haben die Frage gestellt und sie hierher weitergeleitet.\nGab. Kontext für ähnliche Suchanfragen generieren\nUnd generierte das Endergebnis. Aber jetzt ein\nEs gelten weitere Bedingungen. Was ist hier der Zustand?\nWird es passieren? Wenn Abfrage bedeutet, wann Abfrage\nDieser Code sollte nur ausgeführt werden, wenn er Daten enthält. Also\nWas macht man damit? Tippen Sie auf „Weiter“.\nSind. Dieser gesamte Code kam in uns hinein. Das ist\nEs. Nun schau und hör genau hin. Jeder Benutzer, der\nIch muss die Abfrage in der Benutzeroberfläche anzeigen.\nRechts? Wie kann man das zeigen? hier wir\nWürde sagen: ST-Punkt-Chatnachricht. Eingaben entgegennehmen\nChat ist die Eingabemethode zum Anzeigen von Nachrichten.\nHierfür gibt es eine Chat-Methode. Und was übergibst du?\nWirst du spenden? Lass uns zuerst den Würfelwurf durchführen. Welche Rolle spielt\nDas bedeutet im Grunde, dass du verstehen solltest, dass der Chat\nWessen Botschaft ist das? UI steht für KI\nOder gehört es dem Benutzer? Schauen Sie sich also die vier Optionen an.\nWir sehen uns. Der KI-Assistent ist genauso.\nDer menschliche Nutzer ist derselbe. Was werden wir weitergeben?\nWir werden den Benutzer und die Nachricht weiterleiten.\nIm Preisnachlass. Okay, sehr gut. und Mark\nWirst du mich in Down überholen, mein Sohn? Steinbruch\nJetzt kopieren wir. Fügen wir es hier ein.\nUnd anstatt einer Abfrage zeigen wir es hier an.\nAntwortpunkt Seite nicht Seiteninhalt.\nEinfach nur Inhalt. Und was sollten Sie hier eingeben?\nWirst du mitkommen? Du kannst es mir selbst erzählen, wie\nHier wird es als A N eingegeben, das war's.\nKann ich glauben, dass Ihr Leben vollendet ist?\nDas Frage- und Antwortforum gehört zu einer Website, die\nEs ist fertig, probier es aus und schau, was passiert.\nLasst uns das Ganze wiederholen und um Respekt bitten.\nAlso haben wir diese Frage gestellt, hallo.\nSie sehen dies: Hallo, Ihre Eingabe „Hallo“ ist ein\nBegrüßung – keine Frage, die beantwortet werden kann\nBeantwortet auf Grundlage des bereitgestellten Kontextes\nThemen der Programmierung und des maschinellen Lernens können\nSieh dir das an, es sagt dir, dass was auch immer du\nIch habe gefragt, ob es auf Ihren Daten basiert.\ndie Sie bereitgestellt haben. Richtig\nIst? Angenommen, ich stelle ihm eine Frage\nIch möchte Ihnen erklären, was LLM ist, was er selbst vorschlägt.\nFrüher war es so. OK?\nbasierend auf dem bereitgestellten Kontext was\nIst LLM als Thema aufgeführt, das\nBehandelt im Abschnitt „Große Sprachmodelle“\nDer JNA-Grundkurs. Also die Grundlagen\nWo bleiben die Details? Innerhalb des Kurses\nIst. OK? Soll ich Sie also fragen, was das ist?\nName des Kurses\nUnd mal sehen, aber beachtet eines bis dahin\nDie Antwort lautet, dass unsere vorherige dieselbe ist.\nDie Frage wiederholt sich immer wieder und\nDie vorherigen Antworten überschneiden sich wiederholt.\nDies beinhaltet die neue Frage und die neue Antwort.\nWarum gibt es ein Problem? Das Problem ist, dass\nWir haben unsere vorherigen Antworten auf Fragen bereits geteilt.\nWenn es nicht gespeichert ist und Sie es nicht speichern, dann\nRei, kannst du mir sagen, wie du es rendern wirst?\nWenn du es später noch einmal anzeigen möchtest, speichere es einfach ab.\nMal sehen, wie es geht, es ist ganz einfach.\nWir kopieren den Code, weil wir\nMeister im Kopieren und Einfügen\nUnd wir werden hier eine Variable hinzufügen.\nwird sein\nDer Nachrichtenvektor speichert Nachrichten und dergleichen.\nWenn wir eine Liste erstellen, welche Botschaften enthält sie?\nEs ist leer, wir haben es hineingelegt und die Liste ist fertig. Richtig\nIst? Erledigt. Es gibt jetzt nichts mehr zu tun. was auch immer\nWenn er eine Frage stellt, speichere sie ab.\nWo? Sitzungsstatus.Nachrichten.\nAnhängen. Und diesmal muss ich es anhängen.\nWas soll jetzt angehängt werden? Schau mal hier\nVerstehen Sie mich, ich muss hier zwei Dinge retten.\nWelche? Entweder die Abfrage oder die Ihres Benutzers\nAntwort: Aber wem gehört das? Das bedeutet auch die Rolle\nLiegt es am Benutzer oder an der KI? Also\nWie geht das? Wir heben uns hier einen auf.\nWörterbuch. Was wird geschehen? Rollen. und der Straße\nWas wird damit geschehen? Benutzer OK. und was ist mit\nWird es passieren? Inhalt. Und welchen Wert wird es haben?\nDer Wert entspricht der Benutzerabfrage. OK?\nKopieren wir das und fügen es erneut ein.\nSind. Und welche Regel gilt hier? KI und das\nWas wird der Inhalt von KI sein? Der Inhalt wird sein\nAntworten und Inhalte. perfekt. und schließlich\nBevor wir die Abfrage überhaupt anzeigen, haben wir ein\nIch werde eine Schleife einfügen. Für\nNachricht in ST. Sitzungsstatus.Nachrichten\nWir werden die Nachrichten, so viele es auch sein mögen, nacheinander versenden.\nAus dieser Nachricht werden wir den ersten Wert extrahieren.\nEntfernt die Nachrichtenrolle von\nRolle, sagten wir, Rolle gleich Botschaft der Rolle\nUnd was sollte als Nächstes geschehen?\nInhalt, weil wir den Inhalt selbst gespeichert haben\nist Inhalt gleich Inhalt und schließlich\nLetzte Zeile der gesamten Bewerbung\nWir können keine einzelne Zeile mehr schreiben.\nWale ST Dot\nChatnachrichten und was die Rolle weitergeben wird, weil\nWessen Botschaft ist das und schließlich werden wir sie weitergeben\nMark Down und Mark Down wird abgeschlossen sein\nDas war's, meine gesamte Bewerbung ist fertig.\nIch zeige Ihnen die vollständig funktionierende Anwendung Apna.\nAktualisieren Sie die Seite und kopieren Sie die URL.\nFügen wir es ein und klicken irgendwo außerhalb.\nIhre Website wird geladen und anschließend\nBeim Laden der Website erhalten Sie die URL.\nProzess erfolgreich abgeschlossen, alles klar und Ihr Job\nDie Seite ist da, sie ist jetzt bereit, fragen wir mal.\nWas ist\nDer Name von\nKurs?\nSiehe, dies ist der Name des Kurses Data Science\nAnalyse und vollständige JNA mit Python.\nOK? Und wie hoch sind die Kursgebühren? Fragen\nEinmal. Ich sage es Ihnen. Mal sehen, was es aussagt.\nHabe ich die Antwort? Diese.\nSie verstehen schon, die Kursgebühr beträgt 3200 EKS.\nDas können Sie sehen. Ihre vorherigen Nachrichten\nJa, sie werden auch nicht entfernt. Zu dir\nFrühere Nachrichten sind ebenfalls sichtbar.\nSie können auch neue Fragen und Antworten einsehen.\nKönnen Sie es bekommen für Nun einer von\nKann dauerhafte Verbesserungen erzielen\nEs ist eine Verbesserung, akzeptiere, dass du das getan hast.\nIch hätte es bestanden. OK? Lass es uns jetzt weitergeben\nAngenommen, Sie klicken beim Vorbeigehen auf „außerhalb des Sichtfelds“.\nWenn du das tust, wirst du besiegt werden. Sie sind sich dessen nicht bewusst\nob meine Dokumente überhaupt geladen werden\nFinden sie statt oder finden sie nicht statt? Sei einfach der Prozess\nDas wirst du sehen, wenn du hinfährst. Wie lässt sich das also lösen?\nKannst du? Oder was können wir tun? Als\n[Räuspern] Ich gebe Ihnen die URL.\nHier haben wir es, wir können VST sagen.\nPunktkreisel Kreisel Was wird die Verarbeitung sein?\nOkay, und das ist der vollständige Code, wir\nWenn du es nach innen weitergibst, wirst du jetzt Gewinn daraus machen.\nFolgendes geschah: Der Gewinn betrug, angenommen, ich\nIch habe die URL eingefügt und bin jetzt draußen.\nIch klicke, um zu sehen, wie dieser Vorgang abläuft.\nWir müssen nicht warten, bis die Verarbeitung abgeschlossen ist.\nOb man nun läuft oder nicht, alles hat ein Ende.\nSobald die Verarbeitung abgeschlossen ist, ist Ihr Vorgang beendet.\nWas wird geschehen und was werden wir zu sehen bekommen? Abschließendes Gespräch\nSie werden das Board zu sehen bekommen. Völlig in Ordnung. Also\nIch hoffe, das ist verständlich. Ich habe eine Frage\nLasst es uns endlich versuchen, denn wir\nNeue Seite umgeblättert. OK? OK. Das war's also.\nFragen wir uns, was die Einbettung ist.\nModelle, die wir verwenden müssen. OK? Sie fragen.\nOK? was gibt\nModell?\nWir müssen zu Ihnen. Mal sehen, welche Antwort wir bekommen.\nLiegt es an mir? Denn wir haben ein neues Kapitel aufgeschlagen.\nWir haben das neue Dokument.\nIm Allgemeinen so gefertigt, dass es perfekt gleichmäßig ist\nEs wird nachts in der Codierungsform angezeigt, nicht wahr?\ntoll. Auf diese Weise können wir also\nErstellen Sie ein Frage-Antwort-Diagramm für Ihre Website\nKann mithilfe von Rack Pipeline Linkchain realisiert werden.\nGoogle Che Models und Python Right. Also kam ich\nIch hoffe, Ihnen hat dieses Video gefallen. wenn du wirklich\nDas Gefühl, etwas Neues zu lernen und dabei Spaß zu haben.\nWenn dir dieses Video gefällt, teile es.\nVideo mit all deinen Freunden, die wirklich\nMöchte es lernen und unseren Newsletter abonnieren\nKanal. Wir sehen uns beim nächsten Mal. Danke\nVielen Dank. Einen schönen Tag noch.",
  "transcript_chars": 57947,
  "ingested_at": "2026-05-19T16:32:12.046656+00:00",
  "source": "channel",
  "yt_meta": {
    "view_count": 91,
    "like_count": 12,
    "channel_id": "UCLgmvKM3Eu1LRXoMlgsmxYw",
    "categories": [
      "Education"
    ],
    "tags": []
  }
}