En el mundo del almacenamiento y procesamiento de datos en rápida evolución, combinar soluciones eficientes de almacenamiento en la nube con capacidades avanzadas de IA presenta un enfoque transformador para manejar grandes volúmenes de datos. Este artículo demuestra una implementación práctica utilizando MinIO, Langchain y el modelo GPT-3.5 de OpenAI, centrándose en resumir documentos almacenados en depósitos MinIO.  El poder de MinIO  MinIO es un almacenamiento de objetos de código abierto y alto rendimiento que es totalmente compatible con la API de Amazon S3. Conocido por su escalabilidad, MinIO es ideal para almacenar datos no estructurados como fotos, vídeos, archivos de registro, copias de seguridad e imágenes de contenedores. No se trata sólo de almacenamiento; MinIO también ofrece funciones como replicación de datos, gestión del ciclo de vida y alta disponibilidad, lo que lo convierte en la mejor opción para las aplicaciones modernas nativas de la nube.  Integrando Langchain y OpenAI  , una herramienta basada en Python, facilita la interacción entre los cargadores de documentos y los modelos de IA. En nuestro caso de uso, combinamos Langchain con OpenAI  modelo para resumir documentos de depósitos MinIO. Esta configuración ejemplifica cómo la IA puede extraer información esencial de una gran cantidad de datos, simplificando el análisis y la interpretación de los datos. Para obtener información adicional y materiales de apoyo relacionados con este artículo, como cuadernos y documentos cargados, visite el  en el  directorio.   Cadena Lang   gpt-3.5-turbo-1106   Repositorio MinIO Github   langchain-s3-minio  Instalación de Langchain  Antes de sumergirse en la implementación, asegúrese de tener Langchain instalado. Instálalo mediante pip:   pip install --upgrade langchain  Esto encapsulará todas las bibliotecas necesarias que usaremos para nuestros cargadores S3 y el modelo OpenAI.  Paso 1: Directorios y cargadores de archivos de Langchain S3  Inicialmente, nos centramos en cargar documentos utilizando   y   de Langchain. Estos cargadores son responsables de recuperar documentos únicos y múltiples de directorios y archivos específicos en depósitos de MinIO. S3DirectoryLoader S3FileLoader  Configuraciones de MinIO y cargador de archivos Langchain S3   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()  Ejemplo de Python Langchain: cargador de archivos S3  Cargador de directorio Langchain S3:   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()  Ejemplo de Python Langchain: cargador de directorios S3  Resumiendo con OpenAI   Paso 2:  Después de cargar los documentos, utilizamos el modelo GPT-3.5 de OpenAI (que se incluye en la biblioteca Langchain a través de   ) para generar resúmenes. Este paso ilustra la capacidad del modelo para comprender y condensar el contenido, proporcionando información rápida a partir de documentos grandes. ChatOpenAI  Para acceder a la API de OpenAI, puede adquirir una clave API visitando el  . Una vez que tenga la clave, intégrela en el código siguiente para aprovechar el poder de GPT-3.5 para el resumen de documentos.   Plataforma abierta AI  Ejemplo de código para resumen de documentos:   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)  Ejemplo de Python Langchain: resumen de documentos con la API OpenAI   A continuación se muestra el resultado de la ejecución de esta demostración y es el resultado de la integración de LangChain con el almacenamiento GPT-3.5 y MinIO S3 de OpenAI; la salida se ha acortado con fines demostrativos:   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.  Respuesta de la API OpenAI  Este método destaca una forma interesante de cargar documentos desde el almacenamiento S3 en un LLM utilizando el marco Langchain para procesarlos, mientras que el modelo GPT-3.5 de OpenAI genera un resumen conciso y puntos clave de   que se obtiene de   servidor   . El uso de IA para analizar y condensar documentación extensa proporciona a los usuarios una comprensión rápida y completa de aspectos esenciales como la instalación, la configuración del servidor, los SDK y otras funciones de MinIO. Muestra la capacidad de la IA para extraer y presentar información crítica de fuentes de datos integrales. MinIO_Quickstart.md play.min.io play.min.io  Carga de documentos desde depósitos MinIO con Langchain  La integración de MinIO, Langchain y OpenAI ofrece un conjunto de herramientas convincente para gestionar grandes volúmenes de datos. Si bien los cargadores S3 de Langchain, S3DirectoryLoader y S3FileLoader, desempeñan un papel importante en la recuperación de documentos de depósitos MinIO, sirven únicamente para cargar datos en Langchain. Estos cargadores no realizan acciones relacionadas con la carga de datos en depósitos. Para tareas como cargar, modificar o administrar políticas de depósitos, el   es la herramienta adecuada. Este SDK proporciona un conjunto completo de funcionalidades para interactuar con el almacenamiento MinIO, incluida la carga de archivos, la administración de depósitos y más. Para obtener información adicional, consulte  ,  . SDK de MinIO Python   Guía de inicio rápido: Almacenamiento de objetos MinIO para Linux   Referencia de la API del cliente Python: almacenamiento de objetos MinIO para Linux  Si bien Langchain agiliza el proceso de obtención y procesamiento de datos utilizando modelos de IA, el trabajo pesado de la gestión de datos dentro de los depósitos de MinIO depende del SDK de MinIO Python. Esta es una distinción importante que deben comprender los desarrolladores e ingenieros de datos que crean soluciones de almacenamiento eficientes integradas en IA. Para obtener una comprensión profunda de las capacidades de MinIO y cómo utilizar su SDK de Python para diversas operaciones de almacenamiento, consulte el sitio web oficial de MinIO.  .   documentación  Al utilizar el almacenamiento de objetos MinIO como depósito de datos principal para los procesos de IA y ML, puede simplificar su proceso de gestión de datos. MinIO se destaca como una solución integral para  , que es crucial para operaciones efectivas de IA y ML. Este enfoque simplificado reduce la complejidad y los gastos generales, lo que potencialmente acelera la información al garantizar un acceso rápido a los datos.   almacenar, gestionar y recuperar grandes conjuntos de datos  Para aquellos interesados en profundizar en la integración de MinIO con Langchain para mejorar el uso de herramientas LLM, el artículo "   " ofrece una exploración completa del tema. Desarrollo de agentes Langchain con MinIO SDK para el uso de herramientas LLM  ¡Buena suerte en tus esfuerzos de desarrollo! Esperamos  continúa desempeñando un papel clave en su viaje AI/ML. Comuníquese con nosotros en  ¡Y comparte tus ideas y descubrimientos!   MiniIO   Flojo

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. 

Este audio es producido en el idioma original de la historia!

Gestión de grandes volúmenes de datos con MinIO, Langchain y OpenAI

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Crecimiento de las criptomonedas: creación de perfiles de usuarios eficaces

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps