Construa um chatbot de retenção de contexto com Langchain-Python
Significado do chatbot de retenção de contexto Um chatbot de retenção de contexto é um chatbot que pode se lembrar de sua conversa anterior e responder ao usuário considerando o histórico de conversas. Neste artigo, criaremos um chatbot de AI usando o StreamLit como a API de Gemini Frente-end e Gree Gemini, que se lembra de todas as suas conversas anteriores e também a hospedar na Cloud Community. Vamos começar a construir o chatbot: gerar uma chave de API Gemini grátis. 2.Instale as seguintes bibliotecas Python: Langchainlangchain-Corelangchain-Google-GenaistreamlitWatchDogpython-dotenv 3.Save a chave da API do Google Gemini em um arquivo .env. Gemini_api_key = “your-api-key-here” Digite modo de saída de tela cheia de saída de tela completa 4. Então precisamos usar a tecla API do arquivo .env em nosso arquivo python. Importar OS do dotenv import load_dotenv load_dotenv () gemini_api_key = os.environ.get (“gemini_api_key”) Digite o modo de saída da tela completa da tela completa 5. agora, vamos implementar a funcionalidade da IA. De Langchain_google_genai importar chatgooglegenerativeai de langchain_core.prompts importar chatpromptTemplate, messplaceholder def generate_output (prompt: str,): “” Envie o prompt para o llm e retorne a resposta. api_key = gemini_api_key, max_output_tokens = 10000,) output = llm.invoke (prompt) return Output.Content def
[
(“system”, system_message),
(MessagesPlaceholder(variable_name=”chat_history”)),
(“human”, “{query}”),
]
) Retorne Prompt_Template.inVoke ({“Chat_history”: Chat_history, “Query”: Human_Message}) Digite o modo de saída do modo de tela cheia 6. Com isso, nossos métodos de IA estão prontos. Agora precisamos construir a interface do usuário com streamlit e usar esses métodos lá. Importar streamlit como st chat_history = “chat_history” system_message = “system_message” session_variables = {chat_history: []System_Message: “Você é um assistente útil”.[var] = session_variables.get (var) St.Set_Page_Config (Page_title = “Ai chatbot”) St.Title (“Ai chatbot”) sT.Chat_Message (“ai”). Toda mensagem para o chat_history.[CHAT_HISTORY]System_Message = St.Session_State[SYSTEM_MESSAGE],) ai_message = generate_output (prompt = final_prompt,) St.Session_State[CHAT_HISTORY].APNEND ((“Human”, Pump)) St.Session_State[CHAT_HISTORY].Append ((“Ai”, ai_message)) sTICHAT_MESSAGE (“AI”). Markdown (ai_message) # exibindo histórico de bate -papo para bate -papo em St.Session_State[CHAT_HISTORY]: St.Chat_Message (bate -papo[0]) .Write (bate -papo[1]) user_prompt = stiChat_input (placeholder = “Digite sua mensagem …”,) se user_prompt: stiChat_message (“humano”). write (user_prompt) append_to_chat_history (prompt = user_prompt) digite o modo de tela completa Fullscreen Mode !!! Nosso AI Chatbot está pronto. Agora, vamos hospedá -lo em nuvem comunitária Statrelit para que possamos compartilhar nosso chatbot com outras pessoas. Antes de fazer isso, é melhor fazer upload de nosso projeto para um repositório do GitHub. Para isso, precisamos executar os seguintes comandos: # Initialise Git com a filial padrão como ‘principal’ git init -b main # criar um novo repositório público em sua conta do github e, em seguida, conectar seu repositório Git local ao seu repositório remoto. Git Remote Add Origin # Mova seu código para a área de estadiamento Git Add. # Compreenda o código localmente em sua máquina com uma mensagem de confirmação. Git Commit -M “construiu um chatbot da AI”. # Carregue o código para o seu repositório remoto do GitHub. Git Push Origin Main Digite o modo de saída da tela cheia de tela cheia depois que seu código for enviado para o repositório do GitHub remoto, agora podemos hospedar facilmente o chatbot via Cloud de streamlit. Inscreva -se para otimizar a nuvem comunitária. Clique em Criar aplicativo no canto superior direito da página. Clique em Implantar um aplicativo público no GitHub. Vá para colar o URL do GitHub e cole o URL do seu arquivo Main.py do GitHub. Edite o nome da filial como Main, pois esse é o nosso nome de ramificação padrão. Por fim, clique em implantar. O streamlit levará algum tempo para baixar os pacotes necessários e começar a executar. Nosso AI Chatbot agora está totalmente em funcionamento em nuvem comunitária StreamLit! Agora você pode compartilhar o URL do seu chatbot em seu currículo ou com seus amigos e familiares.
Fonte
