Un ChatBot RAG (Generación Aumentada de Recuperación) es un chatbot que puede buscar rápidamente a través de una gran fuente de datos para encontrar la mejor información para responder a sus preguntas, y luego responde de una manera que es fácil de entender, casi como tener una conversación con un amigo experto.
Combina dos técnicas clave para ofrecer una experiencia excepcionalmente informativa y fácil de usar:
- Recuperación: Es la capacidad del chatbot para actuar como un superbuscador. Escanea cantidades masivas de datos: piense en él como si tuviera la capacidad de hojear rápidamente un número interminable de libros para encontrar exactamente lo que está buscando. El chatbot hace esto usando algo llamado 'vectores'. En términos simples, los vectores son como marcadores únicos para cada pieza de información, lo que ayuda al chatbot a hacer coincidir su pregunta con las respuestas más relevantes de su fuente de datos.
- Generación: Una vez que el chatbot encuentra esta información, es el momento de la segunda técnica. La generación tiene que ver con la comunicación. El chatbot toma la información que ha encontrado y la convierte en una respuesta que es fácil de entender. Es como tener un amigo que no solo sabe mucho, sino que también es excelente para explicar las cosas de una manera simple y clara.
En este tutorial, aprenderás a crear tu propio ChatBot de RAG con Google Cloud Platform (GCP) y Vertex AI. Este proceso no solo mejorará su comprensión de la IA y los chatbots, sino que también le brindará una experiencia práctica en la creación de una herramienta tecnológica de vanguardia. ¡Vamos a sumergirnos!
- Paso 1: Ve a GCP Console y crea un nuevo proyecto
GCP Console: https://console.cloud.google.com/ Crear nuevo proyecto: https://console.cloud.google.com/projectcreate
- Paso 2: Selecciona tu proyecto
- Paso 3: Buscar el servicio Gen Builder
- Paso 4: Configura los ajustes de facturación
- Paso 5: Si es la primera vez que usas GCP, tendrás 300 $ de crédito gratis
- Paso 6: Habilitar la API de Vertex AI
- Paso 7: En el panel 'Seleccionar tipo de aplicación', seleccionemos 'Chat'
- Paso 8: Ahora necesitamos habilitar la API de DialogFlow para poder usar una interfaz intuitiva para construir el ChatBot, escribir un nombre para el nombre del agente del ChatBot, seleccionar la región y luego Continuar
- Paso 9: Ahora necesitamos crear un almacén de datos
El almacén de datos se refiere a un repositorio centralizado donde se almacenan y administran los datos
- Para este tutorial usaremos un libro de cocina de comida peruana, así que seleccionemos Almacenamiento en la nube
- Paso 10: Vamos a seleccionar Archivo y Documentos No Estructurados
- Paso 11: Al hacer clic en "Examinar" se mostrará el siguiente panel:
Necesitaremos crear un Bucket para almacenar nuestros archivos, completar todos los campos y luego hacer clic en 'Crear'
- Paso 12: En una pestaña diferente busquemos el servicio 'Almacenamiento en la nube'
Verá su bucket creado recientemente, haga clic en su bucket
Dentro de su cubo, cargue el PDF del libro de cocina
- Paso 13: Ahora volvamos a la configuración de su almacén de datos para su ChatBot, y seleccionemos el PDF del libro de recetas y Continuar
Y finalizar la configuración del Data Store
- Paso 14: Ahora hagamos clic en el botón "Crear" para finalizar la configuración de nuestro ChatBot
Vamos a hacer clic en Almacenes de datos y, a continuación, en el Nombre del almacén de datos
Y vea si el archivo se ha importado con éxito
- Paso 15: Ahora en la pestaña de 'Aplicaciones' hagamos clic en el nombre del Agente
Mostrará el DialogFlow CX, un constructor de chatbots, así que ahora hagamos clic en 'Probar agente' para probar nuestro ChatBot, también verificar que el agente y el idioma hayan sido seleccionados
Como vemos, nuestro chatbot está funcionando y está utilizando el PDF como fuente de datos.
¡Gracias por seguir este tutorial para VANTI:)