terraform-genai-knowledge-base 的项目扩展与二次开发
2025-06-09 16:43:25作者:尤峻淳Whitney
项目的基础介绍
terraform-genai-knowledge-base
是一个开源项目,旨在通过使用生成式AI技术,从文档中提取问答对,并对大型语言模型(LLM)进行微调,以实现对文档内容的自动问答。该项目由Google Cloud Platform提供,采用Apache-2.0协议开源,允许用户自由使用、修改和分享。
项目的核心功能
- 文档处理:上传新文档触发云端函数,通过Document AI服务提取文档中的文字内容。
- 索引构建:提取的文本内容被索引并存储在Vector Search中,便于后续快速检索。
- 问答生成:利用Vertex AI的大型语言模型,根据文档内容生成问题和答案对。
- 数据存储:生成的问题和答案对存储在Firestore数据库中。
- 模型微调:基于Firestore中的数据,对LLM模型进行微调,并部署到模型仓库。
项目使用了哪些框架或库?
- Terraform:用于部署和配置Google Cloud资源。
- Google Cloud Providers:如Google Cloud Storage、Firestore、Document AI等,为项目提供必要的云服务。
- Python:用于编写数据处理和模型训练的脚本。
- Jupyter Notebook:用于模型开发和结果展示。
- Shell和Makefile:用于自动化任务和项目管理。
项目的代码目录及介绍
.
├── .github/ # GitHub配置文件,如工作流、代码所有权等
├── assets/ # 存储项目相关资源
├── build/ # 构建脚本和配置文件
├── docs/ # 项目文档
├── examples/ # 使用示例
├── mim/ # 可能包含项目依赖和初始化脚本
├── notebooks/ # Jupyter笔记本,用于数据处理和模型训练
├── test/ # 测试代码和测试数据
├── webhook/ # 云函数触发器相关脚本
├── .dockerignore # Docker构建时排除的文件
├── .flake8 # Python代码风格配置文件
├── .gitignore # Git忽略文件配置
├── CHANGELOG.md # 更新日志
├── CODEOWNERS # 代码所有者文件
├── CONTRIBUTING.md # 贡献指南
├── LICENSE # 开源协议文件
├── Makefile # Makefile构建脚本
├── README.md # 项目说明文件
├── SECURITY.md # 安全策略文件
├── initial-index.json # 初始索引文件
├── main.tf # Terraform主配置文件
├── metadata.display.yaml # 元数据展示配置
├── metadata.yaml # 元数据配置
├── outputs.tf # Terraform输出配置
├── variables.tf # Terraform变量配置
├── versions.tf # 版本配置
对项目进行扩展或者二次开发的方向
- 增强文档处理能力:集成更多格式的文档解析能力,如PDF、Word等。
- 模型优化:尝试不同的LLM模型,或对现有模型进行更深入的微调,提高问答的准确性和相关性。
- 用户界面:开发一个用户友好的Web界面,使得用户能够轻松上传文档、查看问答结果和模型状态。
- 多语言支持:增加对多种语言文档的处理能力,扩大应用范围。
- 自动化工作流:优化和扩展现有的自动化工作流,使其更加灵活和高效。
- API接口开发:开发API接口,允许其他应用程序或服务集成该项目的问答功能。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-TerminusDeepSeek-V3.1-Terminus是V3的更新版,修复语言问题,并优化了代码与搜索智能体性能。Python00
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0268cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AudioFly
AudioFly is a text-to-audio generation model based on the LDM architecture. It produces high-fidelity sounds at 44.1 kHz sampling rate with strong alignment to text prompts, suitable for sound effects, music, and multi-event audio synthesis tasks.Python00- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.94 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
554

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
887
394

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
512