튜토리얼: 자신만의 AI 연구 친구 만들기

새로운 것을 배우면서 부담감을 느낀 적이 있나요? 정보에 빠져 있는데 실제로는 아무것도 흡수하지 못하는 것 같나요? 우리 모두 거기에 가봤습니다. 귀하의 레벨을 이해하고 클릭하기 쉬운 방식으로 설명하는 맞춤형 학습 동반자가 있다면 정말 멋지지 않을까요? 이것이 바로 우리가 함께 만들어가는 것입니다.

이 튜토리얼에서는 BotHub API를 PyQt5와 결합하여 대화형의 적응형 학습 도구를 만드는 방법을 보여줍니다. 이는 단순한 챗봇이 아닙니다. 연중무휴 24시간 이용 가능한 개인 교사에 가깝습니다.

작업 공간 준비

건축을 시작하기 전에 도구를 모으자. 몇 가지 주요 Python 라이브러리가 필요합니다.

import os
import datetime
import json
from dataclasses import dataclass
from typing import List, Dict
from openai import OpenAI
from dotenv import load_dotenv
from PyQt5.QtCore import Qt, QThread, pyqtSignal
from PyQt5.QtGui import QMovie
from PyQt5.QtWidgets import (QApplication, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QLineEdit, QTextEdit, QRadioButton, QButtonGroup, QPushButton, QGroupBox, QListWidget, QListWidgetItem, QTabWidget, QFileDialog, QComboBox, QCheckBox, QMessageBox, QDialogButtonBox, QSpinBox, QFormLayout, QDialog, QDateEdit)

이러한 라이브러리를 툴킷의 다른 부분으로 생각하십시오. 일부는 파일 관리(os), 시간 관리(datetime) 및 데이터 처리(json)와 같은 기본 사항을 처리합니다. 데이터 클래스 및 입력과 같은 다른 기능은 깨끗하고 체계적인 코드를 작성하는 데 도움이 됩니다. 진짜 마법은 AI의 힘을 활용할 수 있게 해주는 openai에서 일어납니다. dotenv는 민감한 정보(예: API 키)를 안전하게 유지합니다. 그리고 마지막으로 PyQt5는 아름답고 직관적인 사용자 인터페이스를 만드는 데 도움이 됩니다.

사용자 요청 작성

AI와 통신하기 위해 UserRequest 클래스를 생성하겠습니다. 이는 사용자가 제공하는 정보를 정리하는 데 도움이 됩니다.

@dataclass
class UserRequest:
   query: str
   user_level: str
   preferences: Dict

편리한 @dataclass 데코레이터를 사용하여 사용자의 쿼리(질문 내용), user_level(초급, 중급 또는 고급) 및 선호도(예: 원하는 기간 등)의 세 가지 핵심 정보를 정의합니다. 응답)입니다. 모든 것을 하나의 객체로 깔끔하게 정리해줍니다.

사용자 세션 기억하기

정말로 개인화된 학습 경험을 제공하려면 사용자가 무엇을 했는지, 어떻게 배우고 싶어하는지 기억해야 합니다. UserSession 클래스가 필요한 곳은 다음과 같습니다.

class UserSession:
   def __init__(self):
       self.history: List[Dict] = []
       self.preferences: Dict = {}
       self.level: str = "beginner"


   def add_to_history(self, query, response):
       self.history.append({"query": query, "response": response, "timestamp": datetime.datetime.now().isoformat()})


   def update_preferences(self, new_preferences):
       self.preferences.update(new_preferences)

UserSession은 대화 기록, 사용자 선호도, 현재 레벨을 추적합니다. 모든 것을 기억하고 사용자의 요구에 적응하는 전담 비서가 있는 것과 같습니다.

작전의 핵심: EducationalAssistant

EducationalAssistant 수업은 우리 지원서의 핵심입니다. BotHub API와의 상호작용을 담당합니다.

class EducationalAssistant:
   def __init__(self):
       load_dotenv()
       self.client = OpenAI(api_key=os.getenv('BOTHUB_API_KEY'), base_url='https://bothub.chat/api/v2/openai/v1')
       self.session = UserSession()


   def generate_prompt(self, request):
       prompt = f"""As an educational assistant, provide a response for a {request.user_level} level student.
       Query: {request.query}\n"""


       if request.preferences:
           prompt += "Consider these preferences:\n"
           for key, value in request.preferences.items():
               if key == "response_length":
                   prompt += f"Desired Length: Approximately {value} words\n"
               elif key == "include_examples" and value:
                   prompt += "Include Examples: Yes\n"
               else:
                   prompt += f"{key.capitalize()}: {value}\n"


       prompt += "Please provide a detailed explanation."
       return prompt
   def generate_text_response(self, request):
       try:
           response = self.client.chat.completions.create(
               model="claude-3.5-sonnet", // u can use any model in "Models available" on BotHub
               messages=[
                   {"role": "system", "content": "You are an educational assistant."},
                   {"role": "user", "content": self.generate_prompt(request)}
               ]
           )
           return response.choices[0].message.content
       except Exception as e:
           return f"Error generating text response: {e}"

이 수업에서는 몇 가지 중요한 작업을 다룹니다. 먼저 API 키를 사용하여 BotHub에 대한 연결을 초기화합니다(이전에 설명했습니다). 또한 상호 작용을 추적하기 위해 UserSession을 설정합니다. generate_prompt 메소드는 사용자의 요청을 받아 API가 이해할 수 있는 프롬프트로 변환합니다. 마지막으로 generate_text_response는 프롬프트를 API로 보내고 AI가 생성한 답변을 검색합니다.

원활하고 반응성이 뛰어남: generateResponseThread

AI가 생각하는 동안 사용자가 기다리지 않도록 API 호출에 별도의 스레드를 사용합니다.

import os
import datetime
import json
from dataclasses import dataclass
from typing import List, Dict
from openai import OpenAI
from dotenv import load_dotenv
from PyQt5.QtCore import Qt, QThread, pyqtSignal
from PyQt5.QtGui import QMovie
from PyQt5.QtWidgets import (QApplication, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QLineEdit, QTextEdit, QRadioButton, QButtonGroup, QPushButton, QGroupBox, QListWidget, QListWidgetItem, QTabWidget, QFileDialog, QComboBox, QCheckBox, QMessageBox, QDialogButtonBox, QSpinBox, QFormLayout, QDialog, QDateEdit)

PyQt5의 QThread를 기반으로 하는 이 generateResponseThread는 백그라운드에서 API 요청을 실행하여 사용자 인터페이스의 응답성을 유지합니다.

경험 개인화

사람마다 배우는 방식이 다릅니다. 개인의 선호 사항을 충족하기 위해 PreferencesDialog를 생성합니다:

@dataclass
class UserRequest:
   query: str
   user_level: str
   preferences: Dict

이 대화 상자를 통해 사용자는 AI의 목소리 톤, 원하는 응답 길이, 예시 포함 여부 등의 설정을 맞춤 설정할 수 있습니다. 이러한 수준의 맞춤화는 더욱 매력적이고 효과적인 학습 경험을 보장합니다.

인터페이스 구축

마지막으로 EducationalAssistantGUI 클래스를 사용하여 사용자 인터페이스를 만들어 보겠습니다.

class UserSession:
   def __init__(self):
       self.history: List[Dict] = []
       self.preferences: Dict = {}
       self.level: str = "beginner"


   def add_to_history(self, query, response):
       self.history.append({"query": query, "response": response, "timestamp": datetime.datetime.now().isoformat()})


   def update_preferences(self, new_preferences):
       self.preferences.update(new_preferences)

이 클래스는 '채팅'과 '기록'이라는 두 개의 탭이 포함된 기본 창을 만듭니다. "채팅" 탭에서는 사용자가 쿼리를 입력하고, 레벨을 선택하고, AI의 응답을 볼 수 있습니다. "기록" 탭에는 과거 대화가 표시되며 검색 및 내보내기 기능이 제공됩니다.

AI 연구 친구 시작하기

이제 창작물에 생명을 불어넣어 보겠습니다.

class EducationalAssistant:
   def __init__(self):
       load_dotenv()
       self.client = OpenAI(api_key=os.getenv('BOTHUB_API_KEY'), base_url='https://bothub.chat/api/v2/openai/v1')
       self.session = UserSession()


   def generate_prompt(self, request):
       prompt = f"""As an educational assistant, provide a response for a {request.user_level} level student.
       Query: {request.query}\n"""


       if request.preferences:
           prompt += "Consider these preferences:\n"
           for key, value in request.preferences.items():
               if key == "response_length":
                   prompt += f"Desired Length: Approximately {value} words\n"
               elif key == "include_examples" and value:
                   prompt += "Include Examples: Yes\n"
               else:
                   prompt += f"{key.capitalize()}: {value}\n"


       prompt += "Please provide a detailed explanation."
       return prompt
   def generate_text_response(self, request):
       try:
           response = self.client.chat.completions.create(
               model="claude-3.5-sonnet", // u can use any model in "Models available" on BotHub
               messages=[
                   {"role": "system", "content": "You are an educational assistant."},
                   {"role": "user", "content": self.generate_prompt(request)}
               ]
           )
           return response.choices[0].message.content
       except Exception as e:
           return f"Error generating text response: {e}"

축하합니다! 나만의 맞춤형 AI 학습 도우미를 구축하셨습니다.

---

이제 제대로 작동하는 앱이 생겼으니 앱을 더 좋게 만들 수 있는 방법을 생각해 보세요! BotHub API는 많은 유연성을 제공합니다. 단순한 텍스트 응답 대신 이미지 생성이나 음성 전사를 통합할 수 있습니다. BotHub는 또한 여러 AI 모델에 대한 액세스를 제공하므로 다양한 작업에 가장 적합한 모델을 선택할 수 있습니다. 귀하의 어시스턴트가 복잡한 주제를 요약하고, 언어를 번역하고, 심지어 연습 퀴즈도 생성할 수 있다고 상상해 보십시오! 가능성은 엄청납니다. 탄탄한 기반을 구축했습니다. 이제 나가서 탐험해보세요!

위 내용은 튜토리얼: 자신만의 AI 연구 친구 만들기의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!