# run_chatbot

**Repository Path**: lql_h/run_chatbot

## Basic Information

- **Project Name**: run_chatbot
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-12-14
- **Last Updated**: 2024-02-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 跑步知识问答机器人

### 使用gpt4生成提示词的核心代码

~~~
from langchain.chat_models import ChatOpenAI
from langchain.chains import ConversationChain
from langchain.memory import ConversationBufferMemory

base_url="***" 
api_key="***"

llm = ChatOpenAI(model_name="gpt-4", temperature=0.5,api_key=api_key,base_url=base_url)

conversation = ConversationChain(
    llm=llm, 
    verbose=True, 
    memory=ConversationBufferMemory()
)

message="""
你是世界顶级的马拉松跑步教练，现在分享跑步经验，请给出针对新手100条实用的跑步经验

每条经验以如下格式给出：
[跑步问题]
[教练回答]
"""


conversation.predict(input=message)

=======================================================================================
> Entering new ConversationChain chain...
Prompt after formatting:
The following is a friendly conversation between a human and an AI. The AI is talkative and provides lots of specific details from its context. If the AI does not know the answer to a question, it truthfully says it does not know.

Current conversation:
Human: 
你是世界顶级的马拉松跑步教练，现在分享跑步经验，请给出针对新手100条实用的跑步经验

每条经验以如下格式给出：
[跑步问题]
[教练回答]

AI: 我并非马拉松教练，所以我可能无法提供100条专业的跑步经验。不过，我可以提供一些基于公共知识的跑步建议。以下是其中的一些：

[跑步问题]
如何选择合适的跑鞋？
[教练回答]
跑鞋应该舒适，有足够的垫脚，适合你的脚形和跑步风格。试试多种品牌和型号，找到最适合你的。

......
=======================================================================================

conversation.predict(input="继续")

......
~~~



### 将生产的提示词导入向量数据库FAISS

~~~
#rundata.txt为生成的提示词后的编辑

with open("rundata.txt",encoding='utf-8') as f:
    real_estate_sales = f.read()

from langchain.text_splitter import CharacterTextSplitter

text_splitter = CharacterTextSplitter(        
    separator = r'\d+\.',
    chunk_size = 100,
    chunk_overlap  = 0,
    length_function = len,
    is_separator_regex = True,
)

docs = text_splitter.create_documents([real_estate_sales])

from langchain.embeddings.openai import OpenAIEmbeddings
from langchain.text_splitter import CharacterTextSplitter
from langchain.vectorstores import FAISS

db = FAISS.from_documents(docs, OpenAIEmbeddings())

db.save_local("rundata")
~~~



### 使用向量数据库FAISS、GPT、gradio 实现跑步知识问答系统

~~~
FAISS:向量数据库，用于存储跑步知识问答的数据集，根据用户问题匹配FAISS数据库中数据集的相似度并将相似度最高的回答返回给用户
GPT：润色向量数据库的回答
gradio:提供人机交互的界面
~~~



跑步问答机器人产生的效果

![1702516850179](1702516850179.png)