suchen
HeimBackend-EntwicklungPython-TutorialErstellen eines einfachen generativen KI-Chatbots: Ein praktischer Leitfaden

Building a Simple Generative AI Chatbot: A Practical Guide

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!

Stellungnahme
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Ist das Tupelverständnis in Python möglich? Wenn ja, wie und wenn nicht warum?Ist das Tupelverständnis in Python möglich? Wenn ja, wie und wenn nicht warum?Apr 28, 2025 pm 04:34 PM

In Artikel wird die Unmöglichkeit des Tupelverständnisses in Python aufgrund von Syntax -Mehrdeutigkeiten erörtert. Alternativen wie die Verwendung von Tuple () mit Generatorausdrücken werden vorgeschlagen, um Tupel effizient zu erstellen (159 Zeichen)

Was sind Module und Pakete in Python?Was sind Module und Pakete in Python?Apr 28, 2025 pm 04:33 PM

Der Artikel erläutert Module und Pakete in Python, deren Unterschiede und Verwendung. Module sind einzelne Dateien, während Pakete Verzeichnisse mit einer __init__.py -Datei sind, die verwandte Module hierarchisch organisieren.

Was ist Docstring in Python?Was ist Docstring in Python?Apr 28, 2025 pm 04:30 PM

In Artikel werden Docstrings in Python, deren Nutzung und Vorteile erörtert. Hauptproblem: Bedeutung von DocStrings für die Code -Dokumentation und -zugriffsfunktion.

Was ist eine Lambda -Funktion?Was ist eine Lambda -Funktion?Apr 28, 2025 pm 04:28 PM

In Artikel werden Lambda -Funktionen, ihre Unterschiede zu regulären Funktionen und deren Nützlichkeit bei Programmierszenarien erläutert. Nicht alle Sprachen unterstützen sie.

Was ist eine Pause, weiter und passieren in Python?Was ist eine Pause, weiter und passieren in Python?Apr 28, 2025 pm 04:26 PM

In Artikel wird in Python Break, Fortsetzung und Pass erörtert, wobei ihre Rolle bei der Kontrolle der Ausführung und des Programmablaufs der Schleife erläutert wird.

Was ist ein Pass in Python?Was ist ein Pass in Python?Apr 28, 2025 pm 04:25 PM

In dem Artikel werden die "Pass" -Anweisung in Python, einem als Platzhalter verwendeten NULL -Operation, in Codestrukturen wie Funktionen und Klassen erörtert, die zukünftige Implementierung ohne Syntaxfehler ermöglicht.

Können wir eine Funktion als Argument in Python übergeben?Können wir eine Funktion als Argument in Python übergeben?Apr 28, 2025 pm 04:23 PM

In Artikel werden die Übergabe von Funktionen als Argumente in Python erläutert und Vorteile wie Modularität und Anwendungsfälle wie Sortier und Dekorateure hervorheben.

Was ist der Unterschied zwischen / und // in Python?Was ist der Unterschied zwischen / und // in Python?Apr 28, 2025 pm 04:21 PM

Artikel erörtert / und // Betreiber in Python: / for True Division, // für die Bodenabteilung. Hauptproblem ist das Verständnis der Unterschiede und Anwendungsfälle.

See all articles

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heiße Werkzeuge

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

PHPStorm Mac-Version

PHPStorm Mac-Version

Das neueste (2018.2.1) professionelle, integrierte PHP-Entwicklungstool

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)