Este repositório contém o código-fonte e a documentação para o Workshop ml-end2end, onde criaremos um ChatGPT utilizando modelos de linguagem (LLMs) disponibilizados publicamente. Nosso sistema será composto por quatro módulos principais: Backend, Banco de Dados, Frontend e LLM.

O workshop seguirá a seguinte metodologia:

1. Explicação dos conceitos:
   • Python como backend.
   • Utilização do framework Flask.
   • Conexão com APIs externas.
   • Conexão com banco de dados MariaDB.
   • Docker e Docker-Compose.
   • Arquitetura de software.
   • Frontend.
   • Modelos de linguagem (LLMs).
2. Organização em passos:
   • Cada etapa será dividida em “passos”.
   • Se você perder algo ou ficar para trás, poderá usar o comando git clone --depth 1 --branch <tag_name> https://github.com/netoolii/ml-end2end para baixar a versão correspondente e acompanhar a aula.

1. Backend (API REST em Python com Flask e Gunicorn)
   • Controle de acesso dos usuários.
   • Adição de comandos específicos para a saída do modelo.
   • Salvar o prompt do usuário e a resposta do modelo LLM no banco de dados.
   • Retornar a resposta do modelo para o módulo Frontend.
   • Exibir a lista de prompts anteriores.
2. Banco de Dados (MariaDB)
   • Três tabelas: users, conversation e posts.
   • Armazenamento das conversas entre usuário e modelo.
3. Frontend (HTML, CSS e JavaScript)
   • Funcionalidades:
     • Login.
     • Envio de comandos prompts para o módulo Backend.
     • Exibição de prompts e respostas para o usuário.
     • Lista de prompts anteriores.
4. Modelo de Linguagem (LLM)
   • Recebe o prompt e retorna a resposta para o módulo Backend.

1. Login
   • Verificação das credenciais fornecidas pelo usuário.
2. Criação de um Novo “Post”
   • Conversação entre usuário e modelo.
3. Consulta ao Banco de Dados MariaDB
   • Exibição da lista de posts do usuário corrente.
4. Processamento de Texto do Prompt
   • Requisição ao módulo LLM.
   • Salvar o prompt e a resposta do modelo.
   • Processamento do resultado e formatação da resposta API.

1. Tabela users
   • id: integer
   • username: varchar
   • password: varchar
   • created_at: timestamp
2. Tabela conversation
   • id: integer
   • status: enum ['online', 'deleted']
   • user_id: users.id
   • created_at: timestamp
3. Tabela posts
   • id: integer
   • prompt: text
   • body: text
   • conversation_id: conversation.id
   • created_at: timestamp