


Dalam tutorial ini, kami akan meneruskan mencipta chatbot AI generatif menggunakan Python dan API OpenAI. Kami akan membina bot sembang yang boleh melibatkan diri dalam perbualan semula jadi sambil mengekalkan konteks dan memberikan respons yang berguna.
Prasyarat
- Python 3.8
- Pemahaman asas pengaturcaraan Python
- Kunci API OpenAI
- Pengetahuan asas tentang API RESTful
Menyediakan Persekitaran
Pertama, mari kita sediakan persekitaran pembangunan kita. Buat projek Python baharu dan pasang kebergantungan yang diperlukan:
pip install openai python-dotenv streamlit
Struktur Projek
Bot sembang kami akan mempunyai struktur modular yang bersih:
chatbot/ ├── .env ├── app.py ├── chat_handler.py └── requirements.txt
Perlaksanaan
Mari kita mulakan dengan logik chatbot teras kami dalam 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)}"
Sekarang, mari buat antara muka web yang mudah menggunakan Streamlit dalam 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()
Ciri-ciri Utama
- Memori Perbualan: Bot sembang mengekalkan konteks dengan menyimpan sejarah perbualan.
- Gesaan Sistem: Kami mentakrifkan gelagat dan personaliti chatbot melalui gesaan sistem.
- Pengendalian Ralat: Pelaksanaan termasuk pengendalian ralat asas untuk panggilan API.
- Antara Muka Pengguna: Antara muka web yang bersih dan intuitif menggunakan Streamlit.
Menjalankan Chatbot
- Buat fail .env dengan kunci API OpenAI anda:
OPENAI_API_KEY=your_api_key_here
- Jalankan aplikasi:
streamlit run app.py
Potensi Peningkatan
- Kegigihan Perbualan: Tambahkan penyepaduan pangkalan data untuk menyimpan sejarah sembang.
- Peribadi Tersuai: Benarkan pengguna memilih personaliti bot sembang yang berbeza.
- Pengesahan Input: Tambahkan pengesahan dan pembersihan input yang lebih mantap.
- Penghadan Kadar API: Laksanakan pengehadan kadar untuk mengurus penggunaan API.
- Penstriman Balasan: Tambahkan respons penstriman untuk pengalaman pengguna yang lebih baik.
Kesimpulan
Pelaksanaan ini menunjukkan chatbot AI generatif asas tetapi berfungsi. Reka bentuk modular memudahkan untuk melanjutkan dan menyesuaikan berdasarkan keperluan khusus. Walaupun contoh ini menggunakan API OpenAI, prinsip yang sama boleh digunakan dengan model atau API bahasa lain.
Ingat bahawa apabila menggunakan chatbot, anda harus mempertimbangkan:
- Kos API dan had penggunaan
- Privasi dan keselamatan data pengguna
- Latensi dan pengoptimuman respons
- Pengesahan input dan penyederhanaan kandungan
Sumber
- Dokumentasi OpenAI API
- Strim Dokumentasi
- Pengurusan Persekitaran Python
Atas ialah kandungan terperinci Membina Chatbot AI Generatif Mudah: Panduan Praktikal. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Tutorial ini menunjukkan cara menggunakan Python untuk memproses konsep statistik undang -undang ZIPF dan menunjukkan kecekapan membaca dan menyusun fail teks besar Python semasa memproses undang -undang. Anda mungkin tertanya -tanya apa maksud pengedaran ZIPF istilah. Untuk memahami istilah ini, kita perlu menentukan undang -undang Zipf. Jangan risau, saya akan cuba memudahkan arahan. Undang -undang Zipf Undang -undang Zipf hanya bermaksud: Dalam korpus bahasa semulajadi yang besar, kata -kata yang paling kerap berlaku muncul kira -kira dua kali lebih kerap sebagai kata -kata kerap kedua, tiga kali sebagai kata -kata kerap ketiga, empat kali sebagai kata -kata kerap keempat, dan sebagainya. Mari kita lihat contoh. Jika anda melihat corpus coklat dalam bahasa Inggeris Amerika, anda akan melihat bahawa perkataan yang paling kerap adalah "th

Artikel ini menerangkan cara menggunakan sup yang indah, perpustakaan python, untuk menghuraikan html. Ia memperincikan kaedah biasa seperti mencari (), find_all (), pilih (), dan get_text () untuk pengekstrakan data, pengendalian struktur dan kesilapan HTML yang pelbagai, dan alternatif (sel

Berurusan dengan imej yang bising adalah masalah biasa, terutamanya dengan telefon bimbit atau foto kamera resolusi rendah. Tutorial ini meneroka teknik penapisan imej di Python menggunakan OpenCV untuk menangani isu ini. Penapisan Imej: Alat yang berkuasa Penapis Imej

Python menyediakan pelbagai cara untuk memuat turun fail dari Internet, yang boleh dimuat turun melalui HTTP menggunakan pakej Urllib atau Perpustakaan Permintaan. Tutorial ini akan menerangkan cara menggunakan perpustakaan ini untuk memuat turun fail dari URL dari Python. Permintaan Perpustakaan Permintaan adalah salah satu perpustakaan yang paling popular di Python. Ia membolehkan menghantar permintaan HTTP/1.1 tanpa menambahkan rentetan pertanyaan secara manual ke URL atau pengekodan data pos. Perpustakaan Permintaan boleh melaksanakan banyak fungsi, termasuk: Tambah data borang Tambah fail berbilang bahagian Akses data tindak balas python Buat permintaan kepala

Fail PDF adalah popular untuk keserasian silang platform mereka, dengan kandungan dan susun atur yang konsisten merentasi sistem operasi, peranti membaca dan perisian. Walau bagaimanapun, tidak seperti Python memproses fail teks biasa, fail PDF adalah fail binari dengan struktur yang lebih kompleks dan mengandungi unsur -unsur seperti fon, warna, dan imej. Mujurlah, tidak sukar untuk memproses fail PDF dengan modul luaran Python. Artikel ini akan menggunakan modul PYPDF2 untuk menunjukkan cara membuka fail PDF, mencetak halaman, dan mengekstrak teks. Untuk penciptaan dan penyuntingan fail PDF, sila rujuk tutorial lain dari saya. Penyediaan Inti terletak pada menggunakan modul luaran PYPDF2. Pertama, pasangkannya menggunakan PIP: Pip adalah p

Tutorial ini menunjukkan cara memanfaatkan caching redis untuk meningkatkan prestasi aplikasi python, khususnya dalam rangka kerja Django. Kami akan merangkumi pemasangan Redis, konfigurasi Django, dan perbandingan prestasi untuk menyerlahkan bene

Pemprosesan bahasa semulajadi (NLP) adalah pemprosesan bahasa manusia secara automatik atau separa automatik. NLP berkait rapat dengan linguistik dan mempunyai hubungan dengan penyelidikan dalam sains kognitif, psikologi, fisiologi, dan matematik. Dalam sains komputer

Artikel ini membandingkan tensorflow dan pytorch untuk pembelajaran mendalam. Ia memperincikan langkah -langkah yang terlibat: penyediaan data, bangunan model, latihan, penilaian, dan penempatan. Perbezaan utama antara rangka kerja, terutamanya mengenai grap pengiraan


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini

EditPlus versi Cina retak
Saiz kecil, penyerlahan sintaks, tidak menyokong fungsi gesaan kod

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

Dreamweaver Mac版
Alat pembangunan web visual
