Beschreibung
Der autonome HR-Chatbot, der auf GitHub gehostet wird, ist als Prototyp einer Unternehmensanwendung konzipiert. Er fungiert als autonomer Agent, der in der Lage ist, HR-bezogene Anfragen mithilfe einer Reihe von Tools zu beantworten. Die Architektur des Chatbots basiert auf den Agenten- und Tool-Modulen von LangChain, wobei Pinecone als Vektordatenbank verwendet wird und entweder von ChatGPT oder gpt-3.5-turbo betrieben wird. Das Frontend wurde mit Streamlit entwickelt und enthält die streamlit_chat-Komponente für die Benutzerinteraktion.
Die Funktionalität des Chatbots konzentriert sich auf mehrere wichtige Tools. Dazu gehören Zeitrichtlinien, ein von ChatGPT generiertes Muster-HR-Richtliniendokument, und Mitarbeiterdaten, eine CSV-Datei mit Dummy-Mitarbeiterinformationen. Einbettungen für das HR-Richtliniendokument werden mit dem Text-Embedding-ada-002-Modell von OpenAI erstellt und in einem Pinecone-Index gespeichert. Die Mitarbeiterdaten werden als Pandas-Dataframe geladen und vom LLM mithilfe des PythonAstREPLTool von LangChain manipuliert. Darüber hinaus enthält der Chatbot das Calculator-Chain-Modul von LangChain, LLMMathChain, zur Durchführung von Berechnungen.
Das Projekt bietet eine modernisierte Version, die eine Agentenschleife über die Responses-API von OpenAI verwendet, ohne LangChain oder Pinecone, mit gpt-5.2-Begründungszusammenfassungen, die im Verzeichnis v2/ verfügbar sind. Die ursprüngliche Implementierung von 2023 wird zum Nachschlagen aufbewahrt. Der Tech-Stack umfasst Azure OpenAI Service, LangChain, Pinecone, Streamlit, Azure Data Lake und Azure Data Factory. Das Projekt wurde von Stephen Bonifacio verfasst, der Links zu seinen LinkedIn- und Twitter-Profilen für weitere Interaktionen bereitstellt.
Der Wert des Chatbots liegt in seiner Fähigkeit, HR-Anfragen zu automatisieren und eine praktische Anwendung von KI in Unternehmen zu ermöglichen. Er rationalisiert die Informationsbeschaffung und bietet eine benutzerfreundliche Oberfläche, über die Mitarbeiter effizient auf HR-bezogene Informationen zugreifen können. Die Open-Source-Natur des Projekts ermöglicht Anpassungen und Weiterentwicklungen und macht es zu einer wertvollen Ressource für Entwickler und HR-Experten.
Autonomer HR-Chatbot's Kernfunktionen
Autonomer HR-Agent
Beantwortet HR-Anfragen
Verwendet LangChain-Agenten und -Tools
Verwendet die Pinecone-Vektordatenbank
Wird von ChatGPT oder gpt-3.5-turbo betrieben
Frontend mit Streamlit erstellt
Enthält das Tool "Zeitrichtlinien"
Verwendet Mitarbeiterdaten aus CSV
Integriert das PythonAstREPLTool von LangChain
Integriert den LLMMathChain-Rechner
Verwendet das text-embedding-ada-002-Modell von OpenAI
Modernisierte Version mit der Responses-API von OpenAI
Open-Source-Projekt
Erste Schritte mit Autonomer HR-Chatbot
Klonen: Klonen Sie das Repository in ein lokales Verzeichnis.
Abhängigkeiten installieren: Navigieren Sie zum lokalen Verzeichnis und führen Sie `pip install -r requirements.txt` in Ihrem Terminal aus.
API-Schlüssel konfigurieren: Geben Sie Ihre API-Schlüssel in der Datei `hr_agent_backend_local.py` (oder `hr_agent_backend_azure.py`, wenn Sie Azure verwenden) ein.
Frontend ausführen: Führen Sie `streamlit run hr_agent_frontent.py` in Ihrem Terminal aus.
Pinecone-Konto erstellen: Erstellen Sie ein Pinecone-Konto unter pinecone.io.
Einbettungen speichern: Führen Sie das Notebook 'store_embeddings_in_pinecone.ipynb' aus und ersetzen Sie die API-Schlüssel.
Autonomer HR-Chatbot's Anwendungsfälle
- Automatisierung von HR-Anfragen
- Mitarbeiter-Self-Service
- Abruf von Richtlinieninformationen
- Datenanalyse
- Verbesserung von HR-Prozessen
- Wissensdatenbank
- Schulung und Einarbeitung
- Compliance
