Aprendizagem pessoal com IA
e orientação prática

Construção, com base em RAG, de um mini-assistente que fornece orientação sobre saúde (projeto piloto)

Este artigo foi atualizado em 2025-02-08 00:40, parte do conteúdo é sensível ao tempo, se for inválido, deixe uma mensagem!

Introdução geral

O LLM-RAG-Longevity-Coach é um chatbot baseado nas tecnologias Large Language Modelling (LLM) e Retrieval Augmented Generation (RAG), projetado para fornecer aos usuários conselhos personalizados sobre saúde e longevidade. Desenvolvido por Tyler Burleigh, o projeto utiliza o Streamlit para criar uma interface de usuário que recupera dados de saúde relevantes (por exemplo, variantes genéticas, resultados de laboratório, informações sobre suplementos) para gerar orientações precisas sobre saúde. Os usuários podem inserir perguntas relacionadas à saúde ou à longevidade por meio de uma interface de bate-papo simples, e o sistema fornecerá orientações personalizadas para ajudá-los a gerenciar melhor sua saúde e viver mais.

Mini-Assistente construído pelo RAG para fornecer aconselhamento sobre saúde (projeto piloto)-1


 

Mini-Assistente construído pelo RAG para fornecer aconselhamento sobre saúde (projeto piloto)-1

 

Lista de funções

  • Orientação personalizada sobre saúdeSaúde e longevidade: fornece orientação personalizada sobre saúde e longevidade com base nos dados genéticos do usuário, resultados de laboratório e informações sobre suplementos.
  • Front-end do StreamlitInterface do usuário: A interface do usuário, desenvolvida com o Streamlit, é simples e intuitiva, facilitando a inserção e a visualização de sugestões pelos usuários.
  • pesquisa contextual: Uso RAG A tecnologia recupera informações relevantes de grandes quantidades de dados de saúde para garantir que as recomendações geradas sejam precisas e relevantes.
  • Otimização de custos e precisãoEvite a transferência desnecessária de dados recuperando dados relevantes, reduza os custos de processamento e aumente a precisão das recomendações.

 

Usando a Ajuda

Processo de instalação

  1. projeto de clonagemExecute o seguinte comando no terminal para clonar o código do projeto:
   git clone https://github.com/tylerburleigh/LLM-RAG-Longevity-Coach.git
  1. Instalação de dependênciasInstalação de dependências: Vá para o diretório do projeto e instale as dependências necessárias:
   cd LLM-RAG-Longevity-Coach
pip install -r requirements.txt
  1. Executar o aplicativoExecute o aplicativo usando o Streamlit:
   streamlit run app.py

Diretrizes para uso

  1. Digite uma pergunta sobre saúdeDigite sua pergunta relacionada à saúde ou à longevidade na tela de bate-papo, como "Com base na minha genética e nos resultados do laboratório, quais suplementos devo considerar?"
  2. Ver sugestõesO sistema recupera dados de saúde relevantes e gera orientações de saúde personalizadas, que são exibidas na interface de bate-papo.
  3. Entendendo as etapas intermediáriasRecomendações: O aplicativo mostrará as etapas intermediárias na geração de recomendações para ajudar os usuários a entender a fonte e a base das recomendações.

Fluxo de operação detalhado da função

  1. iniciar um aplicativoApós iniciar o aplicativo seguindo o processo de instalação, abra um navegador para acessar o aplicativo Streamlit em execução localmente.
  2. Problemas de entradaDigite sua pergunta sobre saúde na caixa de bate-papo e descreva sua situação com o máximo de detalhes possível para que o sistema possa fornecer orientações mais precisas.
  3. Exibir resultadosCom base em suas informações, o sistema recupera dados de saúde relevantes e gera recomendações personalizadas. Você pode visualizar as recomendações completas e as etapas intermediárias na interface de bate-papo.
  4. Entrada de ajusteSe você não estiver satisfeito com a sugestão, poderá ajustar a descrição da pergunta de entrada para fornecer mais detalhes ou uma pergunta mais específica, e o sistema gerará novamente a sugestão.
Não pode ser reproduzido sem permissão:Chefe do Círculo de Compartilhamento de IA " Construção, com base em RAG, de um mini-assistente que fornece orientação sobre saúde (projeto piloto)

Chefe do Círculo de Compartilhamento de IA

O Chief AI Sharing Circle se concentra no aprendizado de IA, fornecendo conteúdo abrangente de aprendizado de IA, ferramentas de IA e orientação prática. Nosso objetivo é ajudar os usuários a dominar a tecnologia de IA e explorar juntos o potencial ilimitado da IA por meio de conteúdo de alta qualidade e compartilhamento de experiências práticas. Seja você um iniciante em IA ou um especialista sênior, este é o lugar ideal para adquirir conhecimento, aprimorar suas habilidades e realizar inovações.

Entre em contato conosco
pt_BRPortuguês do Brasil