Comment intégrer la plateforme Gradient dans une application web RH minimale

Introduction

Dans ce tutoriel, vous apprendrez comment intégrer la plateforme Linux-Console.net Gradient dans vos applications web. Vous utiliserez une application de gestion des ressources humaines (RH) déjà existante, créée à partir de notre précédent article sur la création d'une application web RH minimale avec le Refine Framework, et la déploierez sur la plateforme d'applications Linux-Console.net. Vous pouvez la mettre en service en suivant le tutoriel ci-dessus.

À la fin de ce tutoriel, vous disposerez d'une application de gestion des ressources humaines avec un chatbot pour consulter les informations sur les congés des employés. La leçon de ce tutoriel vous guidera dans l'intégration de la plateforme Gradient de Linux-Console.net dans vos applications web.

Prérequis

• Un compte Cloud Linux-Console.net.
• Le projet de démonstration RH minimal.
• Accès à la plateforme Gradient de Linux-Console.net.

Étape 1 — Configuration du projet

Clonez le projet, accédez au dossier du projet et installez les dépendances de l'application avec :

npm install

Démarrez l'application avec la commande npm run dev et ouvrez http://localhost:5173 dans le navigateur pour voir l'application. Maintenant, vous êtes prêt à intégrer le chatbot Gradient de Linux-Console.net dans notre application RH minimale.

Étape 2 — Création et ajout du chatbot Gradient Linux-Console.net à notre application

Connectez-vous au panneau Cloud de Linux-Console.net dans la barre latérale gauche, puis cliquez sur l'onglet Gradient Platform. La page du tableau de bord Gradient ressemblera à ceci :

Sous l'onglet Agent de cette page, cliquez sur le bouton Créer un agent, ce qui ouvrira une page pour vous permettre de configurer notre agent. La configuration de la page de l'agent ressemble à ceci :

La configuration de notre agent implique :

• Donner le nom de l'Agent. Ici, nous avons utilisé le nom par défaut.
• Donner à notre Agent des instructions qui lui disent ce que vous voulez qu'il fasse et comment il doit le faire. Ici, nous utilisons cette instruction ; Agir en tant qu'agent des congés RH.
• Sélection d'un modèle. Nous utiliserons le modèle par défaut qui a été sélectionné.
• Ajout de bases de connaissances. Nous n’ajouterons pas cela maintenant. Nous créerons une base de connaissances et l’attacherons à notre modèle plus tard.
• Sélection d'un projet et ajout de tags. Ici, nous utilisons le projet par défaut, premier projet, et aucun tag n'a été ajouté.

Une fois que vous avez configuré l'agent, vous pouvez cliquer sur le bouton Créer un agent en bas de la page pour créer et déployer notre agent pour nous. Cela ouvrira une nouvelle page qui ressemble à ceci :

Une fois que l'agent est créé, vous pouvez commencer à interroger pour obtenir les informations souhaitées. Ci-dessous se trouve une requête concernant l'obtention des jours de congé des employés, mais la réponse est très générique et ne correspond pas aux informations de cette application. C'est là qu'intervient la base de connaissances.

Étape 3 — Création de la base de connaissances et attachement à notre agent

Dans cette étape, vous allez créer une base de connaissances et l'attacher à l'agent.

Qu'est-ce qu'une base de connaissances

Une base de connaissances est un réservoir d'embeddings vectoriels de nos données que l'agent peut consulter pour répondre à des questions spécifiques à un domaine. Actuellement, les bases de connaissances prennent en charge des données textuelles, telles que des informations dans des fichiers .doc, .csv, .txt et .json. Cela signifie donc que les données sur les employés auxquelles nous voulons que notre agent se réfère doivent être dans l'un de ces formats.

Prérequis pour créer une base de connaissances

• Les données auxquelles l'agent doit se référer.
• Un bucket Linux-Console.net Spaces qui héberge les données.

Préparer nos données

Ceci est une application minimale, et elle contient des données sur 3 employés pour lesquels nous voulons que l'agent nous aide à obtenir leurs jours de congé. Voici à quoi ressemblent les données :

Créons un fichier CSV à partir des données et téléchargeons-le dans le bucket Spaces de Linux-Console.net. Tout d'abord, vous devrez créer un bucket, et vous pouvez le faire en :

• Cliquez sur Créer en haut à droite, puis sur Espaces depuis le panneau de contrôle,
• Optionnellement, activez le CDN de Spaces sans frais supplémentaires.
• Choisissez un nom, une région de centre de données et les permissions de liste de fichiers de notre Espace.
• Cliquez sur Créer un espace. Cela vous amène à la racine de notre nouvel espace.

Une fois que vous avez fini de créer le seau, vous pouvez téléverser le fichier CSV que vous avez créé à partir des données dans ce seau. Pour téléverser le fichier :

• Vous pouvez ajouter des fichiers en les faisant glisser depuis l'onglet Fichiers de notre compartiment. Pour utiliser plutôt l'outil de sélection de fichiers, cliquez sur Importer des fichiers.
• Après avoir sélectionné nos fichiers à télécharger, choisissez leurs permissions. Par défaut, elles sont définies sur Privé.
• Cliquez sur Téléverser le fichier.

Créer la base de connaissances

Depuis le panneau de contrôle, cliquez sur Gradient Platform dans la barre latérale gauche, puis cliquez sur l'onglet Bases de connaissances et sur le bouton Créer une base de connaissances. Cela ouvrira une page comme ci-dessous pour que nous puissions configurer notre base de connaissances.

La configuration de notre connaissance implique :

• Donner le nom de la base de connaissances. Ici, nous pouvons utiliser hr-off-time-knowledge-base.
• Sélectionner notre bucket spaces, qui contient les données pour le référencement. Souvenez-vous du nom du bucket spaces que nous avons créé et sélectionnez celui-ci.
• Choisir où notre base de connaissances devrait se trouver. Nous pouvons utiliser la base de données OpenSearch existante ou en créer une nouvelle.
• Sélection du modèle d'intégration : Un modèle d'intégration convertit nos données en vecteurs d'intégration, qui sont ensuite stockés dans notre cluster de base de données OpenSearch. Utilisez le menu déroulant du modèle d'intégration pour sélectionner notre modèle.
• Révision des prix : Passez en revue le coût estimé de notre base de connaissances par nombre de jetons. À titre de référence, chaque jeton est composé d'environ quatre caractères. À grande échelle, 100 jetons correspondent approximativement à 75 mots de texte. Les estimations supposent un ensemble de données en alphabet latin. - - L'utilisation de caractères non latins, d'emojis ou de données binaires peut entraîner un nombre plus élevé de jetons.
• Enfin, choisir le projet auquel ajouter la base de connaissances et tous les tags que nous voulons utiliser. Ici, nous pouvons utiliser le projet par défaut.

Nous sommes maintenant prêts à cliquer sur le bouton Créer une base de connaissances. La mise en service des bases de connaissances prend généralement cinq minutes ou plus.

Joindre la base de connaissances et tester notre agent

Sous l'onglet Vue d'ensemble de notre agent, la deuxième étape pour commencer nous aide à attacher des bases de connaissances à notre agent. Dans cette étape, vous pouvez rechercher le nom de notre base de connaissances, hr-off-time-knowledge-base dans la boîte de sélection. Sélectionnez-la et enregistrez. Il faudra quelques minutes pour mettre à jour notre agent afin de refléter nos modifications les plus récentes.

Après les changements, vous pouvez demander à notre agent des informations sur les employés et leurs jours de congé. Voici un exemple d'une telle requête.

Étape 4 — Ajouter un chatbot Gradient à notre application RH

Depuis le panneau Cloud de Linux-Console.net, sous Gradient Platform > Sélectionner l'Agent > Aller à l'Onglet Endpoint. La page du tableau de bord Gradient ressemblera à ceci lorsque la disponibilité de l'Endpoint est définie sur Playground depuis la section Détails de l'Endpoint.

Cliquez sur Modifier à côté de Playground pour changer la disponibilité en Public. Cela modifie la page pour inclure le script du chatbot. La page devrait être comme ci-dessous :

Nous avons déjà ce script de chatbot dans notre application. Copiez votre script et mettez à jour le fichier index.html avec le vôtre.

La fonctionnalité de chatbot devrait maintenant être active dans l'application et peut être utilisée pour rechercher des informations comme nous l'avons fait précédemment dans le panneau de contrôle. Validez les modifications dans votre dépôt GitHub, et la plateforme Linux-Console.net App reconstruira automatiquement son pipeline afin que les modifications soient reflétées dans votre application.

Conclusion

Vous avez intégré avec succès le chatbot dans votre application RH en suivant les étapes de ce tutoriel. Ce tutoriel est un excellent guide pour exploiter la plateforme Gradient de Linux-Console.net dans vos projets web.

Merci d'apprendre avec la communauté Linux-Console.net.