RAG 기반 건강 조언을 제공하는 미니 도우미 구축(시범 프로젝트)

일반 소개

LLM-RAG-Longevity-Coach 是一个基于大语言模型（LLM）和检索增强生成（RAG）技术的聊天机器人，旨在为用户提供个性化的健康和长寿建议。该项目由 Tyler Burleigh 开发，利用 Streamlit 构建用户界面，通过检索相关健康数据（如基因变异、实验室结果、补充剂信息）来生成精准的健康建议。用户可以通过简单的聊天界面输入健康或长寿相关问题，系统会根据用户的具体情况提供定制化的建议，帮助用户更好地管理健康和延长寿命。

기능 목록

• 个性化健康建议：根据用户的基因数据、实验室结果和补充剂信息，提供定制化的健康和长寿建议。
• Streamlit 前端：用户界面采用 Streamlit 构建，简洁直观，便于用户输入和查看建议。
• 문맥 검색사용 RAG 技术从大量健康数据中检索相关信息，确保生成的建议精准且相关。
• 成本和准确性优化：通过检索相关数据，避免不必要的数据传输，减少处理成本，提高建议的准确性。

도움말 사용

설치 프로세스

1. 복제 프로젝트터미널에서 다음 명령을 실행하여 프로젝트 코드를 복제합니다:

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

2. 종속성 설치프로젝트 디렉토리로 이동하여 필요한 종속성을 설치합니다:

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

3. 애플리케이션 실행：使用 Streamlit 运行应用：

   streamlit run app.py

사용 가이드라인

1. 输入健康问题：在聊天界面中输入您的健康或长寿相关问题，例如“根据我的基因和实验室结果，我应该考虑哪些补充剂？”
2. 제안 보기：系统会检索相关健康数据，并生成个性化的健康建议，显示在聊天界面中。
3. 了解中间步骤：应用会展示生成建议的中间步骤，帮助用户理解建议的来源和依据。

세부 기능 작동 흐름

1. 애플리케이션 실행：按照安装流程启动应用后，打开浏览器访问本地运行的 Streamlit 应用。
2. 입력 문제：在聊天框中输入您的健康问题，尽量详细描述您的情况，以便系统提供更精准的建议。
3. 결과 보기：系统会根据您的输入，检索相关健康数据，并生成个性化的建议。您可以在聊天界面中查看完整的建议和中间步骤。
4. 调整输入：如果对建议不满意，可以调整输入问题的描述，提供更多细节或更具体的问题，系统会重新生成建议。