Awesome
<p align='center'> <img src='https://user-images.githubusercontent.com/50035229/233825222-0add62d1-e12f-41ef-86d5-4bf3d0f96d84.png' alt='' width='800'/> </p> <p align='center'> Feishu-OpenAI × 私有知识库 <br> <br> 🚀 Feishu Vector Knowledge Management 🚀 </p>👻 机器人功能
除了 Feishu-OpenAI 支持内功能外， 增加了知识库功能，其中具体有：
💬 知识库问答：使用 /faq 或 知识库 作为查询指令
🗣 知识库 CSV 导入：支持导入 CSV 格式向量数据
🎭 知识库 CSV 创建：支持重建 CSV 格式向量文件，降低 token 成本
📝 知识库管理：支持导入 URL 网页、文件数据 🚧
🔒 知识库管理：支持查询数据库记录并增删改记录 🚧
🍊 缓存问题向量：降低 token 成本，减少重复查询
🌟 项目特点
- 🥒 基于 Embeddings + Qdrant 查询上下文
项目部署
项目初始化
git clone https://github.com/ConnectAI-E/Feishu-Vector-Knowledge-Management
cd Feishu-Vector-Knowledge-Management
导入数据
# 切割qa数据为csv文件 demo:raw.txt
go run ./cmd - prepare split -f ./data/demo/raw.txt -o ./data/demo/raw.csv
# 将csv文件转换为向量数据(调用openai-embedding-api), raw.csv 必须包含title和content字段
go run ./cmd - prepare analyze -f ./data/demo/raw.csv -o ./data/demo/vector.csv
# 导入数据csv(向量)数据
go run ./cmd - prepare import -f ./data/demo/vector.csv
CSV 文件表头
id,url,title,content,title_vector,content_vector,vector_id
Qdrant 接口调试测试
在线swagger文档：https://ui.qdrant.tech/#/
部署
<details> <summary>docker-compose 部署</summary> <br>编辑 docker-compose.yaml，通过 environment 配置相应环境变量（或者通过 volumes 挂载相应配置文件），然后运行下面的命令即可
# 构建镜像
docker compose build
# 启动服务
docker compose up -d
# 停止服务
docker compose down
事件回调地址: http://IP:9000/webhook/event 卡片回调地址: http://IP:9000/webhook/card
</details>更多交流
更多结节请访问项目 Feishu-OpenAI
赞助感谢
友情感谢 'Find My Ai' 提供的部分经费赞助！