Bonjour !
Comme je me suis intéressé au développement d’applications basées sur les LLM et de services RAG, je voulais partager un service que j’ai développé en solo.
À l’origine, je l’ai lancé pour demander à une IA de me recommander des sites touristiques autour de moi selon mes goûts,
mais en raison des limites de données et de coûts, j’ai finalement créé un service permettant de rechercher simplement des informations sur les festivals/événements locaux.
Je prépare actuellement des fonctionnalités de recommandation personnalisée et de fourniture de contenus via la connexion.
Afin de lancer la plateforme sur le web et sur mobile, je l’ai développée avec Flutter,
et le RAG repose sur la recherche vectorielle de Neo4j + une recherche avec génération de requêtes par LLM.
Les données de base sur les festivals/événements proviennent de la TourAPI de la Korea Tourism Organization,
et les documents utilisés par l’IA pour générer ses réponses s’appuient sur une recherche web (pas en temps réel).
Je vous serais reconnaissant pour tout retour, que ce soit sur l’ergonomie ou sur les fonctionnalités RAG !
Fonctionnalités
- Recherche d’informations sur les festivals/événements en cours dans tout le pays
- Exploration des festivals/événements sur la carte grâce à une fonction de navigation cartographique par IA
- Questions sur l’ensemble des informations relatives aux festivals/événements via une fonction de conversation avec l’IA
Liens du service
- Lien vers le site web : https://travelgen.kr
- App iOS : https://apps.apple.com/kr/app/…
18 commentaires
La fonction de conversation IA est vraiment utile !
Merci !
Pourriez-vous nous expliquer quelles fonctionnalités apporte la requête LLM que vous mentionnez ?
J’ai visité le site, mais j’ai eu l’impression d’un moteur de recherche cartographique assez classique. Le sujet m’intéresse, donc si possible, j’aimerais comprendre de quelle manière la technologie apporte une réelle utilité.
J’ai essayé de tirer facilement parti des avantages de GraphRAG avec text2cypher (exploration de relations variées entre les nœuds), mais dans mon implémentation il semble qu’il y ait encore un problème de cohérence dans la génération par le LLM, et comme le schéma est simple, cela n’apporte pas encore vraiment de grand avantage fonctionnel. Dans bien des cas, une simple recherche vectorielle sur le texte donnait même de meilleurs résultats.
Je suis en train d’implémenter le système pour qu’il puisse traiter plus précisément les requêtes suivantes.
Il me semble que ces fonctionnalités sont rendues possibles grâce à la flexibilité du LLM, qui génère automatiquement des requêtes de base de données à partir du schéma.
C’est vraiment super hahaha
Merci !
Quelles ressources avez-vous utilisées pour le RAG ?
Les informations descriptives sont basées sur les données fournies par l’API publique et sur les documents web du site officiel.
Waouh, c'est bien, ça ?
Merci pour votre avis !
C’est bien.
Merci !
Je pense que ce service plairait énormément au gouvernement. Surtout aux collectivités locales, qui risquent de le convoiter... !
Merci pour vos aimables paroles !
C’est vraiment super, non ?
Merci de l’avoir apprécié !
Si ça continue à s’améliorer, ça pourrait devenir vraiment utile.
Merci~ !