In der sich rasch entwickelnden Welt der Datenspeicherung und -verarbeitung stellt die Kombination effizienter Cloud-Speicherlösungen mit erweiterten KI-Funktionen einen transformativen Ansatz für die Handhabung riesiger Datenmengen dar. Dieser Artikel demonstriert eine praktische Implementierung mit MinIO, Langchain und dem GPT-3.5-Modell von OpenAI, wobei der Schwerpunkt auf der Zusammenfassung von in MinIO-Buckets gespeicherten Dokumenten liegt.  Die Leistung von MinIO  MinIO ist ein Open-Source-Objektspeicher mit hoher Leistung, der vollständig mit der Amazon S3-API kompatibel ist. MinIO ist für seine Skalierbarkeit bekannt und eignet sich ideal zum Speichern unstrukturierter Daten wie Fotos, Videos, Protokolldateien, Backups und Container-Images. Es geht nicht nur um Speicher; MinIO bietet auch Funktionen wie Datenreplikation, Lebenszyklusverwaltung und hohe Verfügbarkeit und ist damit die erste Wahl für moderne Cloud-native Anwendungen.  Integration von Langchain und OpenAI  , ein Python-basiertes Tool, erleichtert die Interaktion zwischen Dokumentladern und KI-Modellen. In unserem Anwendungsfall kombinieren wir Langchain mit OpenAIs  Modell zum Zusammenfassen von Dokumenten aus MinIO-Buckets. Dieses Setup veranschaulicht, wie KI wichtige Informationen aus umfangreichen Daten extrahieren und so die Datenanalyse und -interpretation vereinfachen kann. Weitere Informationen und unterstützende Materialien zu diesem Artikel wie Notizbücher und geladene Dokumente finden Sie unter  im  Verzeichnis.   Langchain   gpt-3.5-turbo-1106   MinIO Github-Repository   langchain-s3-minio  Langchain installieren  Bevor Sie mit der Implementierung beginnen, stellen Sie sicher, dass Sie Langchain installiert haben. Installieren Sie es über Pip:   pip install --upgrade langchain  Dies wird alle erforderlichen Bibliotheken kapseln, die wir für unsere S3-Loader und unser OpenAI-Modell verwenden werden.  Schritt 1: Langchain S3-Verzeichnis und Dateilader  Zunächst konzentrieren wir uns auf das Laden von Dokumenten mit   und   von Langchain. Diese Loader sind dafür verantwortlich, mehrere und einzelne Dokumente aus angegebenen Verzeichnissen und Dateien in MinIO-Buckets abzurufen. S3DirectoryLoader S3FileLoader  MinIO-Konfigurationen und Langchain S3 File Loader   from langchain_community.document_loaders.s3_file import S3FileLoader # MinIO Configuration for the public testing server endpoint = 'play.min.io:9000' access_key = 'minioadmin' secret_key = 'minioadmin' use_ssl = True # Initialize and load a single document file_loader = S3FileLoader( bucket='web-documentation', key='MinIO_Quickstart.md', endpoint_url=f'http{"s" if use_ssl else ""}://{endpoint}', aws_access_key_id=access_key, aws_secret_access_key=secret_key, use_ssl=use_ssl ) document = file_loader.load()  Python Langchain-Beispiel - S3-Dateilader  Langchain S3-Verzeichnislader:   from langchain_community.document_loaders.s3_directory import S3DirectoryLoader # Initialize and load documents directory_loader = S3DirectoryLoader( bucket='web-documentation', prefix='', endpoint_url=f'http{"s" if use_ssl else ""}://{endpoint}', aws_access_key_id=access_key, aws_secret_access_key=secret_key, use_ssl=use_ssl ) documents = directory_loader.load()  Python Langchain-Beispiel - S3 Directory Loader  Zusammenfassen mit OpenAI   Schritt 2:  Nach dem Laden der Dokumente verwenden wir das GPT-3.5-Modell von OpenAI (das über   in der Langchain-Bibliothek enthalten ist), um Zusammenfassungen zu generieren. Dieser Schritt veranschaulicht die Fähigkeit des Modells, den Inhalt zu verstehen und zu verdichten und so schnelle Erkenntnisse aus großen Dokumenten zu liefern. ChatOpenAI  Um auf die OpenAI-API zuzugreifen, können Sie einen API-Schlüssel erwerben, indem Sie die  . Sobald Sie den Schlüssel haben, integrieren Sie ihn in den folgenden Code, um die Leistung von GPT-3.5 für die Dokumentzusammenfassung zu nutzen.   OpenAI-Plattform  Codebeispiel für die Dokumentzusammenfassung:   from langchain_openai import ChatOpenAI from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import ChatPromptTemplate from langchain_core.runnables import RunnableLambda import os # Set your OpenAI API key os.environ['OPENAI_API_KEY'] = 'your-openai-api-key' model = ChatOpenAI(temperature=0, model="gpt-3.5-turbo-1106") prompt = ChatPromptTemplate.from_template( "Summarize the following document '{document_name}':{context}Please provide the summary and key points." ) loaded_documents = [documents, document] # From S3 Loaders flattened_documents = [doc for sublist in loaded_documents for doc in sublist] for loaded_document in flattened_documents: document_text = loaded_document.page_content document_name = getattr(loaded_document, 'name', 'Unknown Document') # Assuming each document has a 'name' attribute chain = ( RunnableLambda(lambda x: {"context": document_text, "document_name": document_name}) | prompt | model | StrOutputParser() ) summary = chain.invoke(None) print("Summary:", summary)  Python Langchain-Beispiel – Zusammenfassen von Dokumenten mit der OpenAI-API   Unten sehen Sie die Ausgabe dieser Demo. Sie ist das Ergebnis der Integration von LangChain mit dem GPT-3.5- und MinIO S3-Speicher von OpenAI. Die Ausgabe wurde zu Demonstrationszwecken gekürzt:   Summary: The document is a quickstart guide for MinIO, a high-performance object storage system that is compatible with Amazon S3. It explains how to run MinIO on bare metal hardware or in containers. For Kubernetes environments, it recommends using the MinIO Kubernetes Operator. The key points are: - MinIO is a high-performance object storage system. - It is released under the GNU Affero General Public License v3.0. - MinIO is API compatible with Amazon S3. - It can be used to build high-performance infrastructure for machine learning, analytics, and application data workloads. - The guide provides quickstart instructions for running MinIO on bare metal hardware or in containers. - For Kubernetes environments, the MinIO Kubernetes Operator is recommended.  Antwort von OpenAI API  Diese Methode zeigt eine interessante Möglichkeit, Dokumente aus dem S3-Speicher in ein LLM zu laden und sie mithilfe des Langchain-Frameworks zu verarbeiten, während das GPT-3.5-Modell von OpenAI eine prägnante Zusammenfassung und die wichtigsten Punkte der   generiert, die vom Server   abgerufen wird. Die Verwendung von KI zur Analyse und Verdichtung umfangreicher Dokumentationen bietet Benutzern ein schnelles und umfassendes Verständnis wesentlicher Aspekte wie Installation, Serverkonfiguration, SDKs und anderer MinIO-Funktionen. Es zeigt die Fähigkeit von KI, wichtige Informationen aus umfassenden Datenquellen zu extrahieren und darzustellen. MinIO_Quickstart.md play.min.io  Laden von Dokumenten aus MinIO-Buckets mit Langchain  Die Integration von MinIO, Langchain und OpenAI bietet ein überzeugendes Toolset für die Verwaltung großer Datenmengen. Während die S3-Loader von Langchain, S3DirectoryLoader und S3FileLoader, eine wichtige Rolle beim Abrufen von Dokumenten aus MinIO-Buckets spielen, dienen sie ausschließlich zum Laden von Daten in Langchain. Diese Loader führen keine Aktionen im Zusammenhang mit dem Hochladen von Daten in Buckets aus. Für Aufgaben wie das Hochladen, Ändern oder Verwalten von Bucket-Richtlinien ist das   das geeignete Tool. Dieses SDK bietet einen umfassenden Satz von Funktionen für die Interaktion mit MinIO-Speicher, einschließlich Datei-Uploads, Bucket-Verwaltung und mehr. Weitere Informationen finden Sie unter  ,  . MinIO Python SDK   Schnellstartanleitung – MinIO Object Storage für Linux   Python-Client-API-Referenz – MinIO-Objektspeicher für Linux  Während Langchain den Prozess des Abrufens und Verarbeitens von Daten mithilfe von KI-Modellen optimiert, hängt die Datenverwaltung innerhalb der MinIO-Buckets vom MinIO Python SDK ab. Dies ist ein wichtiger Unterschied, den Entwickler und Dateningenieure verstehen müssen, die effiziente, KI-integrierte Speicherlösungen erstellen. Um ein umfassendes Verständnis der Funktionen von MinIO und der Verwendung des Python SDK für verschiedene Speichervorgänge zu erhalten, lesen Sie die offizielle MinIO-Website.  .   Dokumentation  Indem Sie den MinIO-Objektspeicher als primäres Datenrepository für KI- und ML-Prozesse verwenden, können Sie Ihre Datenverwaltungspipeline vereinfachen. MinIO eignet sich hervorragend als Komplettlösung für  , was für effektive KI- und ML-Operationen von entscheidender Bedeutung ist. Dieser optimierte Ansatz reduziert Komplexität und Aufwand und beschleunigt potenziell Erkenntnisse, indem er einen schnellen Datenzugriff gewährleistet.   Speichern, Verwalten und Abrufen großer Datensätze  Wer sich tiefer mit der Integration von MinIO mit Langchain befassen möchte, um die Nutzung von LLM-Tools zu verbessern, findet im Artikel „   “ eine umfassende Erläuterung des Themas. Entwickeln von Langchain-Agenten mit MinIO SDK für die Nutzung von LLM-Tools  Viel Glück bei Ihren Entwicklungsbemühungen! Wir hoffen  spielt weiterhin eine Schlüsselrolle auf Ihrem Weg zu KI/ML. Kontaktieren Sie uns unter  und teilen Sie Ihre Erkenntnisse und Entdeckungen!   MinIO   Locker

The code in this story is for educational purposes. The readers are solely responsible for whatever they build with it.

Amazon

Before

Guide

MinIO

OpenAI

Power

Reach

Slack

Developers do. Download MinIO and see for yourself. 

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Große Datenmengen verwalten mit MinIO, Langchain und OpenAI

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

HackerNoon Decoded 2024: Celebrating Our AI Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

HackerNoon Decoded 2024: Celebrating Our AI Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps