介绍
在 hacktoberfest 期间为各种存储库做出贡献后，我很高兴，但是一旦 hacktoberfest，我就为为更多开源项目做出贡献而感到了这种新的深刻兴奋。我曾为许多项目做出过贡献，这些项目的技术堆栈包括后端和前端，但这次我想为一个基于人工智能的项目做出贡献，特别是与 rag（检索增强生成）相关的项目，因为我想深入研究进入其中
手术助理
在寻找大量基于 RAG 的存储库时，我偶然发现了一个完美的开源 RAG 工具 ORAssistant，它又是一个聊天机器人，可以回答大型项目的常见问题或查询。
这个工具的架构相当复杂，我仍在尝试弄清楚主要查询架构是如何运作的，但这是令人兴奋的部分，边学习边贡献。
问题
对于我的第一期，我提出了一个问题，其中任务是自动化反馈循环，用莱曼术语来说，这意味着 RAG 应用程序通常依赖于用户的反馈来进一步微调响应，任务是从用户那里获取反馈并将其存储在数据库中并将其反馈给模型本身
架构看起来像这样
目前，系统将反馈存储在 Google Sheets 中，这又不是一个优化的方法
这个问题本身大约需要 4-5 个 PR 才能解决，但为了本博客的重点，我将其限制在我制作的第一个 PR 上。
第一次请求请求
对于第一个拉取请求，从问题的讨论中可以明显看出，我的任务是首先设置并运行数据库设计。在这样做的过程中，我遇到了很多问题
面临的问题
- 在设置过程中，获取 GOOGLE_SERVICE_KEY 的文档并不简单，因此我必须与维护人员仔细检查并调整我个人 Google 帐户中的许多设置才能启动并运行它，维护人员是整个过程很有帮助
- 后端存在一些不一致，导致前端无法正常运行，但是这个项目的好处之一是由于后端是动态变化的，他们有一个模拟后端，因此在开发后端时，前额不受影响。
主要解决方案
我为这个PR提出的解决方案，围绕着选择合适的数据库的讨论，经过与维护者的详细讨论，我们决定最好使用MongoDB来进行该项目，考虑到可扩展性和灵活性由于 MongoDB 的无模式性质而产生的字段。
完成初步设计后，我开了一个 PR，与前端的初始设计设置有关
合并过程中面临的问题之一是它没有通过 CI 管道中的测试，这与我的代码中的错误无关，而是因为某些存储库机密没有被传播到我正在处理的存储库的分支，因此维护者必须授予我对该存储库的写入权限才能合并我的 PR
进一步的贡献
此 PR 现在将作为进一步 PR 的基础，最终解决整个问题。说实话，这是我一段时间以来做过的最好的项目之一，仅仅解决一个问题就花了我大约 6-7 个 PR，由此可见该项目是多么复杂和发达。
我真的很享受我的开源之旅的发展。
