聊天机器人之接入智能回复(四)

智能回复实现思路

目前市场上有许多大语言模型,他能帮助我们更好的解决问题或者陪伴我们聊天。最先兴起的就是OpenAI的ChatGPT,但是我们国内使用不太方便。所以这里我使用咱们国内的平台做一个简单展示。

首先这里咱们使用的是讯飞星火认知大模型,这个提供了免费额度的API使用,推荐可以进行实名认证可以获取更多的额度。

具体实现就是利用前面俩篇文章提到的接收和发送消息的功能来组合实现,当咱们接收到某个消息的时候咱们可以把接收到的消息传递给语言模型,让他给我们回复,得到回复之后咱们再使用之前的发送接口,将信息发送回去,这样就实现了一个智能回复。

星火API 使用

我从官网下载了一个python使用案例,稍做修改,直接上代码。
SparkApi.py的代码

import _thread as thread
import base64
import datetime
import hashlib
import hmac
import json
from urllib.parse import urlparse
import ssl
from datetime import datetime
from time import mktime
from urllib.parse import urlencode
from wsgiref.handlers import format_date_time

import websocket  # 使用websocket_client
answer = ""

class Ws_Param(object):
    # 初始化
    def __init__(self, APPID, APIKey, APISecret, Spark_url):
        self.APPID = APPID
        self.APIKey = APIKey
        self.APISecret = APISecret
        self.host = urlparse(Spark_url).netloc
        self.path = urlparse(Spark_url).path
        self.Spark_url = Spark_url

    # 生成url
    def create_url(self):
        # 生成RFC1123格式的时间戳
        now = datetime.now()
        date = format_date_time(mktime(now.timetuple()))

        # 拼接字符串
        signature_origin = "host: " + self.host + "\n"
        signature_origin += "date: " + date + "\n"
        signature_origin += "GET " + self.path + " HTTP/1.1"

        # 进行hmac-sha256进行加密
        signature_sha = hmac.new(self.APISecret.encode('utf-8'), signature_origin.encode('utf-8'),
                                 digestmod=hashlib.sha256).digest()

        signature_sha_base64 = base64.b64encode(signature_sha).decode(encoding='utf-8')

        authorization_origin = f'api_key="{self.APIKey}", algorithm="hmac-sha256", headers="host date request-line", signature="{signature_sha_base64}"'

        authorization = base64.b64encode(authorization_origin.encode('utf-8')).decode(encoding='utf-8')

        # 将请求的鉴权参数组合为字典
        v = {
            "authorization": authorization,
            "date": date,
            "host": self.host
        }
        # 拼接鉴权参数,生成url
        url = self.Spark_url + '?' + urlencode(v)
        # 此处打印出建立连接时候的url,参考本demo的时候可取消上方打印的注释,比对相同参数时生成的url与自己代码生成的url是否一致
        return url


# 收到websocket错误的处理
def on_error(ws, error):
    print("### error:", error)


# 收到websocket关闭的处理
def on_close(ws,one,two):
    print(" ")


# 收到websocket连接建立的处理
def on_open(ws):
    thread.start_new_thread(run, (ws,))


def run(ws, *args):
    data = json.dumps(gen_params(appid=ws.appid, domain= ws.domain,question=ws.question))
    ws.send(data)


# 收到websocket消息的处理
def on_message(ws, message):
    # print(message)
    data = json.loads(message)
    code = data['header']['code']
    if code != 0:
        print(f'请求错误: {code}, {data}')
        ws.close()
    else:
        choices = data["payload"]["choices"]
        status = choices["status"]
        content = choices["text"][0]["content"]
        print(content,end ="")
        global answer
        answer += content
        # print(1)
        if status == 2:
            ws.close()


def gen_params(appid, domain,question):
    """
    通过appid和用户的提问来生成请参数
    """
    data = {
        "header": {
            "app_id": appid,
            "uid": "1234"
        },
        "parameter": {
            "chat": {
                "domain": domain,
                "temperature": 0.5,
                "max_tokens": 2048
            }
        },
        "payload": {
            "message": {
                "text": question
            }
        }
    }
    return data


def main(appid, api_key, api_secret, Spark_url,domain, question):
    # print("星火:")
    wsParam = Ws_Param(appid, api_key, api_secret, Spark_url)
    websocket.enableTrace(False)
    wsUrl = wsParam.create_url()
    ws = websocket.WebSocketApp(wsUrl, on_message=on_message, on_error=on_error, on_close=on_close, on_open=on_open)
    ws.appid = appid
    ws.question = question
    ws.domain = domain
    ws.run_forever(sslopt={"cert_reqs": ssl.CERT_NONE})



具体使用代码 test.py,咱们这里使用v3的版本。

import SparkApi
#以下密钥信息从控制台获取
appid = "填写你自己的"     #填写控制台中获取的 APPID 信息
api_secret = "填写你自己的"   #填写控制台中获取的 APISecret 信息
api_key ="填写你自己的"    #填写控制台中获取的 APIKey 信息

#用于配置大模型版本,默认“general/generalv2”
# domain = "general"   # v1.5版本
domain = "generalv3"   # v3.0版本
# domain = "generalv2"    # v2.0版本
#云端环境的服务地址
Spark_url = "wss://spark-api.xf-yun.com/v3.1/chat"  # v3.0环境的地址
# Spark_url = "ws://spark-api.xf-yun.com/v1.1/chat"  # v1.5环境的地址
# Spark_url = "ws://spark-api.xf-yun.com/v2.1/chat"  # v2.0环境的地址


text =[]

# length = 0

def getText(role,content):
    jsoncon = {}
    jsoncon["role"] = role
    jsoncon["content"] = content
    text.append(jsoncon)
    return text

def getlength(text):
    length = 0
    for content in text:
        temp = content["content"]
        leng = len(temp)
        length += leng
    return length

def checklen(text):
    while (getlength(text) > 8000):
        del text[0]
    return text
    

def get_answer(question):
    question = getText("user", question)
    SparkApi.main(appid, api_key, api_secret, Spark_url, domain, question)
    getText("assistant", SparkApi.answer)
    print(SparkApi.answer)
    return SparkApi.answer


if __name__ == '__main__':
    text.clear
    while (1):
        Input = input("\n" + "我:")
        question = checklen(getText("user", Input))
        SparkApi.answer = ""
        print("星火:", end="")
        SparkApi.main(appid, api_key, api_secret, Spark_url, domain, question)
        getText("assistant", SparkApi.answer)
        # print(str(text))


运行代码效果

在这里插入图片描述

具体实现自动回信

这里咱们就需要对之前写的接收消息的代码进行修改。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author  : QS
# @QQ      : 376494614
# @File    : test_flask_reciver.py

import requests
from flask import Flask, request, jsonify
from flask_cors import CORS
import json
from test import get_answer

app = Flask(__name__)

port = 6999
url = "http://127.0.0.1"
test_url = f"{url}:{port}/"
post_url = f"{url}:{port}/send"

headers = {
    "Content-Type": "application/json"
}


def reply_msg(reciver, question):
    answer = get_answer(question)
    data = {"type": 1, "data": {"wxid": reciver, "msg": answer}}
    requests.post(post_url, headers=headers, data=json.dumps(data))


@app.route('/reciver', methods=["POST"])
def diy_recive_msg():
    if request.method == 'POST':

        payload = request.get_data(as_text=True)

        # 按照顺序打印输出
        # payload = json.dumps(payload, sort_keys=True, indent=2, ensure_ascii=False)
        # print('[全数据]\r', payload)
        datas = json.loads(payload)
        print(datas)
        msg = datas["msg"]

        if "\u2005" in msg and "@" in msg:
            # 代表为at
            msg_split = msg.split("\u2005")
            # 这里只有at当前用户一个人的时候生效
            if len(msg_split) < 2:
                return
            if msg_split[0] == "@你的昵称":  # 这里引号内替换为你自己的昵称
                sender = datas["chatid"]
                reply_msg(sender, msg_split[1])

        if datas["type"] == 1:
            # 为私信
            sender = datas["wxid"]
            reply_msg(sender, msg)
        return datas


if __name__ == '__main__':
    # 下面的代码是消息接收的部分
    # app.config.from_object(Config())
    app.config['JSON_AS_ASCII'] = False
    CORS(app, supports_credentials=True)

    # 开启定时任务
    # scheduler = APScheduler()
    # scheduler.init_app(app)
    # scheduler.start()

    app.run(host='127.0.0.1', port=6666, debug=True, use_reloader=False)

实现效果
在这里插入图片描述

终语

到这里一个简单的聊天机器人就实现了,你也可以通过调用其他库来实现不同的功能。比如说可以增加一个定时任务,去定时获取天气预报数据,来准时为你的朋友们来实现一个天气提醒功能。

  • 14
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 要将Python聊天机器人接入QQ,可以使用QQ机器人框架。首先,需要安装Python的QQ机器人库,例如go-cqhttp。该库提供与QQ的消息交互功能。 安装好库后,需要注册QQ机器人账号,并获得对应的API密钥。接下来,在Python代码中,可以通过设置QQ机器人的账号、密码和API密钥进行身份验证。 然后,创建一个Python脚本,用于接收和处理来自QQ的消息。可以使用库中提供的函数来处理不同类型的消息,如文本消息、图片消息等。对于收到的每条消息,可以通过条件语句进行处理,并编写相应的回复逻辑。 在代码中可以调用其他的聊天机器人库或API,以实现更复杂的聊天功能。例如,可以使用自然语言处理库,如NLTK或SpaCy,来进行文本分析和语义理解,以更准确地回复用户的消息。 最后,需要运行Python脚本,确保QQ机器人与QQ账号已登录,并保持在线状态。这样,当有用户发送消息给QQ机器人时,它将接收到消息并进行相应的回复。 总结来说,要实现Python聊天机器人接入QQ,需要安装QQ机器人库,设置API密钥,编写接收和处理消息的代码,以及运行脚本并保持在线状态。这样,就可以使用Python编写的聊天机器人与QQ用户进行交互。 ### 回答2: 将Python聊天机器人接入QQ需要进行以下步骤: 1. 获取QQ接口相关的开发者账号和密钥。 2. 使用Python的QQ机器人框架,如QQBot等来开发机器人。 3. 通过API对接实现QQ机器人与QQ服务器的通信。 具体步骤如下: 1. 在QQ开放平台注册一个开发者账号,并创建一个应用。在应用的设置中获取到相关的App ID和App Key等信息,这些信息将用于连接QQ服务器。 2. 下载和安装Python的QQ机器人框架,例如QQBot。可以通过pip命令进行安装。 3. 创建一个新的QQBot实例,通过设置Token参数来连接QQ服务器。Token是通过QQ开放平台获取到的,用于验证机器人与QQ服务器之间的通信。可以在代码中进行设置,使机器人能够连接到特定的QQ账号。 4. 配置机器人的消息响应,可以根据需要进行自定义。可以通过编写匹配规则和对应的响应动作来实现特定的聊天功能。 5. 在QQBot中使用API进行消息的发送和接收。可以通过调用API中的方法来实现消息的发送和接收功能。例如,可以使用API中的send_msg方法来发送文本消息,使用get_msg方法来获取接收到的消息等。 6. 在代码中加入输入处理的逻辑,使机器人可以读取用户在QQ上的输入,并根据设置的响应规则来作出相应的回答。 通过以上步骤,可以将Python聊天机器人顺利接入QQ,并实现与用户的交互。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值