Hogyan integráljuk a Gradient platformot egy minimális HR webalkalmazásba

Bevezetés

Ebben a bemutatóban megtanulja, hogyan integrálja a DigitalOcean Gradient platformot a webalkalmazásaiba. Használni fog egy meglévő bemutató HR menedzsment alkalmazást, amelyet a legutóbbi cikkünkből építettünk, amely a minimalista HR webalkalmazás létrehozásáról szól a Refine keretrendszerrel, és telepíti azt a DigitalOcean App Platformra. Az előző bemutató követésével felállíthatja és működtetheti.

A tutorial végén egy HR menedzsment alkalmazásod lesz, amely egy chatbotot tartalmaz az alkalmazottak szabadsági információinak lekérdezésére. Ennek a tutorialnak a tanulsága segíteni fog neked a DigitalOcean Gradient platform integrálásában a web-alapú alkalmazásaidba.

Előfeltételek

• Egy DigitalOcean felhőfiók.
• A minimális HR bemutató projekt.
• Hozzáférés a DigitalOcean Gradient platformhoz.

1. lépés — A projekt beállítása

Klónozd a projektet, navigálj a projekt mappájába, és telepítsd az alkalmazás függőségeit a következővel:

npm install

Indítsa el az alkalmazást a npm run dev parancs futtatásával, és nyissa meg a http://localhost:5173 oldalt a böngészőben, hogy megtekintse az alkalmazást. Most készen áll arra, hogy integrálja a DigitalOcean Gradient Chatbot-ot a minimális HR alkalmazásunkba.

2. lépés — A DigitalOcean Gradient chatbot létrehozása és hozzáadása az alkalmazásunkhoz

Jelentkezz be a DigitalOcean Cloud Panelba a bal oldali sávon, majd kattints a Gradient Platform fülre. A Gradient irányítópult oldala így fog kinézni:

Ennek az oldalnak az Ügynök fülén kattintson a Ügynök létrehozása gombra, amely megnyit egy oldalt, ahol konfigurálhatja az ügynökünket. Az ügynök oldalának beállítása így néz ki:

Az ügynökünk konfigurálása a következőket foglalja magában:

• Az Agent név megadása. Itt az alapértelmezett nevet használtuk.
• Útmutatások adása az Agent számára, amelyek megmondják neki, hogy mit szeretnél, hogy tegyen, és hogyan kell azt végrehajtania. Itt ezt az utasítást használjuk: Járj el hr szabadságkezelő ügynökként.
• Modell kiválasztása. Az alapértelmezett modellt fogjuk használni, amelyet kiválasztottak.
• Tudásbázisok hozzáadása. Ezt most nem fogjuk hozzáadni. Később létrehozunk egy tudásbázist és csatoljuk a modelünkhöz.
• Egy projekt kiválasztása és címkék hozzáadása. Itt a első projekt alapértelmezettet használjuk, és nincsenek hozzáadva címkék.

Miután beállította az ügynököt, az oldal alján rákattinthat a Ügynök létrehozása gombra, hogy létrehozza és telepítse az ügynökünket. Ez megnyit egy új oldalt, amely így néz ki:

Miután az ügynök létrejött, elkezdheti lekérdezni a kívánt információkat. Az alábbi lekérdezés a alkalmazottak szabadsági napjainak megszerzéséről szól, de a válasz nagyon általános, és nem felel meg a helyettesítő alkalmazásban található információnak. Itt jön a képbe a tudásbázis.

3. lépés — Tudásbázis létrehozása és csatolása az ügynökünkhöz

Ebben a lépésben létrehoz egy tudásbázist, és azt csatolja az ügynökhöz.

Mi az a tudásbázis?

A tudásbázis egy tároló a vektorbeágyazásokból, amelyek az adatainkból származnak, és amelyet az ügynök hivatkozhat a szakterülethez kapcsolódó kérdések megválaszolásához. Jelenleg a tudásbázisok szöveg alapú adatokat támogatnak, mint például az információkat .doc, .csv, .txt és .json fájlokban. Ez azt jelenti, hogy az alkalmazottakról szóló adatokat, amelyekre az ügynöknek hivatkoznia kell, bármelyik ezen formátumban kell tárolni.

Előfeltétel egy tudásbázis létrehozásához

• Az adatok, amelyekhez az ügynök hivatkozhat.
• Egy DigitalOcean Spaces tároló, amely a adatokat tárolja.

Az adataink előkészítése

Ez egy minimális alkalmazás, és vannak adatai 3 alkalmazottról, akiktől azt szeretnénk, hogy az ügynök segítsen nekünk megszerezni a szabadságuk napjait. Az alábbiakban látható, hogyan néz ki az adat.

Hozzunk létre egy csv fájlt az adatokból, és töltsük fel a DigitalOcean Spaces tárolóba. Először is, létre kell hoznod egy tárolót, és ezt az alábbiak szerint teheted meg:

• Kattintson a Creare lehetőségre a jobb felső sarokban, majd válassza a Terek lehetőséget a vezérlőpulton,
• Opcionálisan, aktiválja a Spaces CDN-t további költségek nélkül.
• Válasszon egy nevet, egy adatközpont régiót, és a fájl-listázási engedélyeket a Térünkhöz.
• Kattints a Hozz létre egy Teret gombra. Ez elvisz a mi új Terünk gyökeréhez.

Miután befejezted a vödör létrehozását, feltöltheted a CSV fájlt, amelyet az adatokból készítettél, ebbe a vödörbe. A fájl feltöltéséhez:

• Fájlokat a tartályunk Fájlok füléből történő húzással és ejtéssel adhat hozzá. Ha ehelyett a fájlválasztó eszközt szeretné használni, kattintson a Fájlok feltöltése gombra.
• Miután kiválasztotta a feltöltésre szánt fájlokat, válassza ki azok jogosultságait. Alapértelmezés szerint Privát beállításra vannak állítva.
• Kattintson a Fájl feltöltése lehetőségre.

A Tudásbázis létrehozása

A vezérlőpulton kattintson a bal oldali sávban a Gradient Platform lehetőségre, majd kattintson a Tudásbázisok fülre, és a Tudásbázis létrehozása gombra. Ez megnyit egy olyan oldalt, mint ami az alábbi, ahol konfigurálhatjuk a tudásbázisunkat.

Tudásunk konfigurálása a következőket jelenti:

• A Tudásbázis neve megadása. Itt használhatjuk a hr-off-time-knowledge-base kódot.
• Válassza ki a terek vödrét, amely tartalmazza az adatokat a hivatkozáshoz. Ne felejtse el a terek vödör nevét, amelyet létrehoztunk, és válassza azt.
• A tudásbázisunk elhelyezésének kiválasztása. Használhatjuk a meglévő OpenSearch adatbázist, vagy létrehozhatunk egy újat.
• Beágyazási modell kiválasztása: Egy beágyazási modell átalakítja adatainkat vektoremberekké, amelyeket ezután az OpenSearch adatbázis klaszterünkben tárolunk. Használja a Beágyazási modellek legördülő menüt a modell kiválasztásához.
• Árazás felülvizsgálata: Tekintse át tudásbázisunk becsült költségét token szám szerint. Referenciaként minden token körülbelül négy karakterből áll. Nagy mennyiségben 100 token körülbelül 75 szó szövegnek felel meg. A becslések latin ábécé adatállományra vonatkoznak. - - A nem latin karakterek, emojik vagy bináris adatok használata több tokent eredményezhet.
• Végül kiválasztjuk a projektet, amelyhez hozzáadjuk az ismeretbázist, és bármilyen címkét, amelyet használni szeretnénk. Itt használhatjuk az alapértelmezett projektet.

Most készen állunk a Tudásbázis létrehozása gombra kattintani. A tudásbázisok létrehozása általában öt percet vagy annál többet vesz igénybe.

A tudásbázis csatolása és az ügynökünk tesztelése

Az ügynökünk Áttekintés fülének második lépése segít tudásbázisokat csatolni az ügynökünkhöz. Ebben a lépésben kereshetsz a tudásbázisunk nevére, hr-off-time-knowledge-base a kiválasztó dobozban. Válaszd ki azt, és mentés. Néhány percig tart, amíg az ügynökünket frissítjük, hogy tükrözze a legutolsó változtatásainkat.

A változások után kérdezheti ügynökünket az alkalmazottakról és a szabadságos napjaikról. Az alábbiakban egy példa egy ilyen lekérdezésre.

4. lépés — Gradienseket tartalmazó chatbot hozzáadása a HR alkalmazásunkhoz

A DigitalOcean Cloud Panelből, a Gradient Platform > Válassz ügynököt > Menj az Endpoint fülre. A Gradient irányítópult oldala így fog kinézni, amikor az Endpoint elérhetősége a Playground értékre van állítva a Endpoint Részletei szakaszból.

Kattints a Szerkesztés gombra a Játszótér mellett, hogy megváltoztasd a láthatóságot Nyilvános-ra. Ez megváltoztatja az oldalt, hogy tartalmazza a chatbot szkriptet. Az oldalnak a következőképpen kell kinéznie:

A desszertünket már beintegráltuk az alkalmazásunkba. Másold a scriptedet, és frissítsd a index.html fájlt a sajátoddal.

A chatbotos funkciónak most már élőnek kell lennie az alkalmazásban, és használható információk lekérdezésére, ahogy azt korábban a vezérlőpulton tettük. Készítsd el a változtatásokat a GitHub tárolódba, és a DigitalOcean App platform automatikusan újraépíti a pipeline-ját, hogy a változások tükröződjenek az alkalmazásodban.

Következtetés

Sikeresen integráltad a chatbotot a HR alkalmazásodba, követve ennek a útmutatónak a lépéseit. Ez a útmutató nagyszerű iránymutatás a DigitalOcean Gradient platform webalapú projektjeidbe való kihasználásához.