Construcción basada en el GAR de un miniasistente que proporcione asesoramiento sanitario (proyecto piloto)

Introducción general

LLM-RAG-Longevity-Coach es un chatbot basado en las tecnologías Large Language Modelling (LLM) y Retrieval Augmented Generation (RAG) diseñado para ofrecer a los usuarios consejos personalizados sobre salud y longevidad. Desarrollado por Tyler Burleigh, el proyecto utiliza Streamlit para construir una interfaz de usuario que recupera datos sanitarios relevantes (por ejemplo, variantes genéticas, resultados de laboratorio, información sobre suplementos) para generar consejos de salud precisos. Los usuarios pueden introducir preguntas relacionadas con la salud o la longevidad a través de una sencilla interfaz de chat, y el sistema les proporcionará consejos personalizados para ayudarles a gestionar mejor su salud y vivir más tiempo.

Lista de funciones

• Consejos sanitarios personalizados: Proporciona consejos personalizados sobre salud y longevidad basados en los datos genéticos, los resultados de laboratorio y la información sobre suplementos del usuario.
• Streamlit Front End: La interfaz de usuario, creada con Streamlit, es sencilla e intuitiva, lo que facilita a los usuarios la introducción y visualización de sugerencias.
• búsqueda contextual: Uso RAG La tecnología recupera información relevante a partir de grandes cantidades de datos sanitarios para garantizar que las recomendaciones generadas sean precisas y pertinentes.
• Optimización de costes y precisión: Evite la transferencia innecesaria de datos recuperando los datos pertinentes, reduzca los costes de procesamiento y mejore la precisión de las recomendaciones.

Utilizar la ayuda

Proceso de instalación

1. proyecto de clonaciónEjecuta el siguiente comando en el terminal para clonar el código del proyecto:

   git clone https://github.com/tylerburleigh/LLM-RAG-Longevity-Coach.git

2. Instalación de dependenciasVaya al directorio del proyecto e instale las dependencias necesarias:

   cd LLM-RAG-Longevity-Coach
pip install -r requirements.txt

3. Ejecutar la aplicación: Ejecuta la aplicación utilizando Streamlit:

   streamlit run app.py

Normas de uso

1. Introduzca una pregunta sobre salud: Introduzca su pregunta relacionada con la salud o la longevidad en la pantalla de chat, por ejemplo: "Según mi genética y los resultados del laboratorio, ¿qué suplementos debería tener en cuenta?".
2. Ver sugerenciasEl sistema recupera datos sanitarios relevantes y genera consejos de salud personalizados, que se muestran en la interfaz de chat.
3. Comprender los pasos intermediosLa aplicación mostrará los pasos intermedios en la generación de recomendaciones para ayudar a los usuarios a entender la fuente y la base de las recomendaciones.

Flujo detallado de funcionamiento de las funciones

1. lanzar una aplicaciónDespués de seguir el proceso de instalación para iniciar la aplicación, abre un navegador para acceder a la aplicación Streamlit que se ejecuta localmente.
2. Cuestiones de entradaEscriba su pregunta sobre salud en el cuadro de chat y describa su situación con el mayor detalle posible para que el sistema pueda ofrecerle un asesoramiento más preciso.
3. Ver resultadosEl sistema, a partir de sus datos, recupera información sanitaria relevante y genera recomendaciones personalizadas. Puedes ver las recomendaciones completas y los pasos intermedios en la interfaz de chat.
4. Entrada de ajusteSi no está satisfecho con la sugerencia, puede ajustar la descripción de la pregunta introducida para proporcionar más detalles o una pregunta más específica y el sistema volverá a generar la sugerencia.