Erstellen eines einfachen generativen KI-Chatbots: Ein praktischer Leitfaden

In diesem Tutorial führen wir die Erstellung eines generativen KI-Chatbots mit Python und der OpenAI-API durch. Wir erstellen einen Chatbot, der natürliche Gespräche führen kann, dabei den Kontext beibehält und hilfreiche Antworten liefert.

Voraussetzungen

• Python 3.8
• Grundlegendes Verständnis der Python-Programmierung
• OpenAI-API-Schlüssel
• Grundkenntnisse über RESTful APIs

Einrichten der Umgebung

Zuerst richten wir unsere Entwicklungsumgebung ein. Erstellen Sie ein neues Python-Projekt und installieren Sie die erforderlichen Abhängigkeiten:

pip install openai python-dotenv streamlit

Projektstruktur

Unser Chatbot wird eine klare, modulare Struktur haben:

chatbot/
├── .env
├── app.py
├── chat_handler.py
└── requirements.txt

Durchführung

Beginnen wir mit unserer Kern-Chatbot-Logik in chat_handler.py:

import openai
from typing import List, Dict
import os
from dotenv import load_dotenv

load_dotenv()

class ChatBot:
    def __init__(self):
        openai.api_key = os.getenv("OPENAI_API_KEY")
        self.conversation_history: List[Dict[str, str]] = []
        self.system_prompt = """You are a helpful AI assistant. Provide clear, 
        accurate, and engaging responses while maintaining a friendly tone."""

    def add_message(self, role: str, content: str):
        self.conversation_history.append({"role": role, "content": content})

    def get_response(self, user_input: str) -> str:
        # Add user input to conversation history
        self.add_message("user", user_input)

        # Prepare messages for API call
        messages = [{"role": "system", "content": self.system_prompt}] + \
                  self.conversation_history

        try:
            # Make API call to OpenAI
            response = openai.ChatCompletion.create(
                model="gpt-3.5-turbo",
                messages=messages,
                max_tokens=1000,
                temperature=0.7
            )

            # Extract and store assistant's response
            assistant_response = response.choices[0].message.content
            self.add_message("assistant", assistant_response)

            return assistant_response

        except Exception as e:
            return f"An error occurred: {str(e)}"

Jetzt erstellen wir eine einfache Weboberfläche mit Streamlit in app.py:

import streamlit as st
from chat_handler import ChatBot

def main():
    st.title("? AI Chatbot")

    # Initialize session state
    if "chatbot" not in st.session_state:
        st.session_state.chatbot = ChatBot()

    # Chat interface
    if "messages" not in st.session_state:
        st.session_state.messages = []

    # Display chat history
    for message in st.session_state.messages:
        with st.chat_message(message["role"]):
            st.write(message["content"])

    # Chat input
    if prompt := st.chat_input("What's on your mind?"):
        # Add user message to chat history
        st.session_state.messages.append({"role": "user", "content": prompt})
        with st.chat_message("user"):
            st.write(prompt)

        # Get bot response
        response = st.session_state.chatbot.get_response(prompt)

        # Add assistant response to chat history
        st.session_state.messages.append({"role": "assistant", "content": response})
        with st.chat_message("assistant"):
            st.write(response)

if __name__ == "__main__":
    main()

Hauptmerkmale

1. Konversationsspeicher: Der Chatbot behält den Kontext bei, indem er den Konversationsverlauf speichert.
2. Systemaufforderung: Wir definieren das Verhalten und die Persönlichkeit des Chatbots durch eine Systemaufforderung.
3. Fehlerbehandlung: Die Implementierung umfasst eine grundlegende Fehlerbehandlung für API-Aufrufe.
4. Benutzeroberfläche: Eine übersichtliche, intuitive Weboberfläche mit Streamlit.

Ausführen des Chatbots

1. Erstellen Sie eine .env-Datei mit Ihrem OpenAI-API-Schlüssel:

OPENAI_API_KEY=your_api_key_here

1. Führen Sie die Anwendung aus:

streamlit run app.py

Mögliche Verbesserungen

1. Konversationspersistenz: Datenbankintegration hinzufügen, um Chatverläufe zu speichern.
2. Benutzerdefinierte Persönlichkeiten: Ermöglichen Sie Benutzern die Auswahl verschiedener Chatbot-Persönlichkeiten.
3. Eingabevalidierung: Fügen Sie eine robustere Eingabevalidierung und -bereinigung hinzu.
4. API-Ratenbegrenzung: Implementieren Sie eine Ratenbegrenzung, um die API-Nutzung zu verwalten.
5. Antwort-Streaming: Fügen Sie Streaming-Antworten für eine bessere Benutzererfahrung hinzu.

Abschluss

Diese Implementierung demonstriert einen einfachen, aber funktionalen generativen KI-Chatbot. Der modulare Aufbau ermöglicht eine einfache Erweiterung und Anpassung an spezifische Anforderungen. Während dieses Beispiel die API von OpenAI verwendet, können dieselben Prinzipien auf andere Sprachmodelle oder APIs angewendet werden.

Denken Sie daran, dass Sie beim Einsatz eines Chatbots Folgendes berücksichtigen sollten:

• API-Kosten und Nutzungsbeschränkungen
• Datenschutz und Sicherheit der Benutzer
• Antwortlatenz und Optimierung
• Eingabevalidierung und Inhaltsmoderation

Ressourcen

• OpenAI API-Dokumentation
• Streamlit-Dokumentation
• Python-Umgebungsmanagement

Das obige ist der detaillierte Inhalt vonErstellen eines einfachen generativen KI-Chatbots: Ein praktischer Leitfaden. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!