在本教學(xué)中，我們將逐步使用 Python 和 OpenAI API 建立生成式 AI 聊天機(jī)器人。我們將建立一個聊天機(jī)器人，它可以進(jìn)行自然對話，同時保持上下文並提供有用的回應(yīng)。

先決條件

• Python 3.8
• Python 程式設(shè)計的基本了解
• OpenAI API 金鑰
• RESTful API 基礎(chǔ)

設(shè)定環(huán)境

首先，讓我們設(shè)定我們的開發(fā)環(huán)境。建立一個新的Python專案並安裝所需的依賴項：

pip install openai python-dotenv streamlit

專案結(jié)構(gòu)

我們的聊天機(jī)器人將具有乾淨(jìng)的模組化結(jié)構(gòu)：

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

執(zhí)行

讓我們從 chat_handler.py 中的核心聊天機(jī)器人邏輯開始：

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)}"

現(xiàn)在，讓我們在 app.py 中使用 Streamlit 建立一個簡單的 Web 介面：

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()

主要特點

1. 對話記憶：聊天機(jī)器人透過儲存對話歷史記錄來維持上下文。
2. 系統(tǒng)提示：我們透過系統(tǒng)提示定義聊天機(jī)器人的行為和個性。
3. 錯誤處理：實作包含 API 呼叫的基本錯誤處理。
4. 使用者介面：使用 Streamlit 的乾淨(jìng)、直覺的 Web 介面。

運行聊天機(jī)器人

1. 使用您的 OpenAI API 金鑰建立 .env 檔案：

OPENAI_API_KEY=your_api_key_here

1. 運行應(yīng)用程式：

streamlit run app.py

潛在的增強(qiáng)功能

1. 對話持久化：新增資料庫整合來儲存聊天歷史記錄。
2. 自訂個性：讓使用者選擇不同的聊天機(jī)器人個性。
3. 輸入驗證：增加更強(qiáng)大的輸入驗證和清理。
4. API 速率限制：實作速率限制來管理 API 使用。
5. 回應(yīng)流：新增串流回應(yīng)以獲得更好的使用者體驗。

結(jié)論

此實作示範(fàn)了一個基本但實用的生成式 AI 聊天機(jī)器人。模組化設(shè)計可以根據(jù)特定需求輕鬆擴(kuò)展和自訂。雖然此範(fàn)例使用 OpenAI 的 API，但相同的原理也可以應(yīng)用於其他語言模型或 API。

請記住，部署聊天機(jī)器人時，您應(yīng)該考慮：

• API 成本與使用限制
• 使用者資料隱私與安全
• 反應(yīng)延遲與最佳化
• 輸入驗證與內(nèi)容審核

資源

• OpenAI API 文件
• 精簡文件
• Python 環(huán)境管理

以上是建立簡單的生成式人工智慧聊天機(jī)器人：實用指南的詳細(xì)內(nèi)容。更多資訊請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！