Приложение для сжатия текста

Данное приложение на Streamlit и Ollama позволяет пользователю вводить текст, выбирать модель и уровень сжатия, а затем получать сжатый текст.

Реализовано в рамках дополнительного задания проектной задачи "Приложение для чтения книг с AI-ассистентом" программы Сириус ИИ

---

Запуск в Google Colab

GitHub.-.E7HYN3_sirius_ai2024_.Streamlit.Ollama.LLM.-.Google.Chrome.2024-11-03.14-50-59.mp4

Colab

Локальная установка и запуск

lv_0_20241103145456.mp4

Установка Python и Ollama

Перед началом убедитесь, что Python и Ollama установлены на вашем устройстве.

Установка Python

1. Linux (Ubuntu/Debian):

   sudo apt install -y python3 python3-venv python3-pip

   Linux (Febora):

   sudo dnf install python3 python3-virtualenv python3-pip

   Linux (Arch):

   sudo pacman -S python3 python-virtualenv python-pip

2. macOS: Убедитесь, что установлен Homebrew:

   /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

   Затем установите Python:

   brew install python

3. Windows:

   • Скачайте установочный файл Python с официального сайта Python и установите его, отметив опцию "Add Python to PATH".

Установка Ollama

1. Linux: Ознакомьтесь с официальной документацией Ollama для конкретных шагов по установке вручную, так как поддержка разных дистрибутивов может отличаться.

   curl -fsSL https://ollama.com/install.sh | sh

2. macOS: С использованием Homebrew:

   brew install ollama

3. Windows:

   • Скачайте и установите Ollama с официального сайта Ollama. Убедитесь, что путь к ollama добавлен в системные переменные среды PATH.

Загрузка моделей

• Для загрузки языковых моделей используйте ollama pull название_модели, полный список языковых моделей можно найти на сайте Ollama.
• Мы рекомендуем использовать модель gemma2:9b. Для её загрузки воспользуйтесь следующей командой:

ollama pull gemma2:9b

Установка приложения

1. Клонируйте репозиторий:

   git clone https://github.com/E7HYN3/sirius_ai2024.git

2. Перейдите в каталог проекта:

   cd sirius_ai2024

3. Создайте виртуальное окружение:

   python -m venv venv

4. Активируйте виртуальное окружение:

   • Для Linux/macOS:

     source venv/bin/activate

   • Для Windows:

     venv\Scripts\activate.bat

5. Установите зависимости:

   pip install -r requirements.txt

Запуск приложения

1. Запустите приложение Streamlit:

   streamlit run app.py

Примечания

• Убедитесь, что у вас установлен Python версии 3.7 или выше.
• Проверьте, что Ollama успешно установлен и настроен для работы с локальными моделями.
• Убедитесь, что все зависимости, указанные в requirements.txt, успешно установлены.

Теперь приложение готово к использованию.