我把「记忆」接入了「小爱」，成功搞定多轮对话！

AI码上来

于 2024-09-27 09:00:24 发布

阅读量393

点赞数 11

分类专栏： AI实战文章标签：人工智能 python 微信

本文链接：https://blog.csdn.net/u010522887/article/details/142584270

版权

AI实战专栏收录该内容

44 篇文章 11 订阅

订阅专栏

前段时间，搞了个微信 AI 小助理-小爱(AI)，爸妈玩的不亦乐乎。

零风险！零费用！我把AI接入微信群，爸妈玩嗨了，附教程（下）

目前小爱(AI)仍在持续迭代中，受到了很多粉丝朋友的关注，故新建了一个体验群，邀请大家免费体验。

最近收到了很多需求和反馈，人力有限，只能按照优先级进行安排。

最近，把文生图的能力接入了进来：

我把「FLUX」接入了「小爱」，微信直接出图，告别一切绘画软件！

不过，每次都要输入完整提示词，要让它基于生成图片进行调整，就搞不赢了👇

因为：目前小爱只支持单轮对话，没有上下文信息，它怎能听懂你在说什么呢？

这个需求刚的很，必须尽快安排上！

前两天，已经在开发板上把记忆功能给机器人加上了：

AIoT应用开发：给机器人接入’记忆’，完美解决「和谁对话&多轮对话」！

基本思路是一致的，但实操起来，发现差别还挺大。。。

今日分享，带大家实操：利用本地数据库，为小爱接入记忆功能，实现多轮对话。

1. 数据库实现

本次实现，数据库依然选用 SQLite，自己玩完全足够。

1.1 数据表结构设计

和上篇语音对话机器人不一样，微信中的聊天记录分为：私聊和群聊两种，二者的对话逻辑不完全一样，所以最好解耦开。

原打算放在一个消息表中，后面发现逻辑较为复杂，所以最终实现方案：一张用户表+两张消息表。

用户表：用于存放用户相关信息；

class User(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True, index=True)
    uid = Column(String, index=True)  # id 字段，唯一标识，建立索引
    name = Column(String, index=True) # name 字段，建立索引
    alias = Column(String) # 备注名

    room_messages = relationship("RoomMessage", back_populates="user", cascade="all, delete-orphan")
    single_messages = relationship("SingleMessage", back_populates="user", cascade="all, delete-orphan")

群聊消息表：通过uid和用户表进行关联，存放群聊消息；

class RoomMessage(Base):
    __tablename__ = 'room_messages'
    id = Column(Integer, primary_key=True, index=True)  # 自增主键
    uid = Column(String, ForeignKey('users.uid', ondelete='CASCADE'), index=True)  # 外键关联 uid
    uname = Column(String)  # 发送方 name
    room_name = Column(String, index=True)  # 群名
    content = Column(String)  # 文本内容
    timestamp = Column(String)  # 时间戳

    user = relationship("User", back_populates="room_messages")

私聊消息表：通过uid和用户表进行关联，存放私聊消息；

class SingleMessage(Base):
    __tablename__ = 'single_messages'
    id = Column(Integer, primary_key=True, index=True)  # 自增主键
    uid = Column(String, ForeignKey('users.uid', ondelete='CASCADE'), index=True)  # 发送方 uid
    uname = Column(String)  # 发送方 name
    to_name = Column(String, index=True)  # 接收方 name
    content = Column(String)  # 文本内容
    timestamp = Column(String)  # 时间戳

    user = relationship("User", back_populates="single_messages")

1.2 定义请求体模型

上一步定义的数据库模型，用于与数据库交互。

接下来，还需定义请求体模型，用于描述和验证 FastAPI 中接收到的数据。

比如，对应 User 的Pydantic 模型，定义如下：

class UserCreate(BaseModel):
    uid: str = Field(..., description="user ID，required")
    name: str = Field(default="", description="name")
    alias: str = Field(default="", description="alias")

1.3 实现增删改查

接下来，实现用户表和消息表增删改查的基本功能。

比如要实现用户新增：

@app.post("/users/", response_model=UserCreate)
def add_user(user: UserCreate, db: Session = Depends(get_db)):
    # 先查询是否存在该用户
    db_user = db.query(User).filter(User.uid == user.uid).first()
    if not db_user:
        db_user = User(uid=user.uid, name=user.name, alias=user.alias)
        db.add(db_user)
    else:
        db_user.name = user.name
        db_user.alias = user.alias
    db.commit()
    db.refresh(db_user)
    return db_user

实现群聊消息新增：

@app.post("/messages/room/", response_model=RoomMessageCreate)
def add_message_room(message: RoomMessageCreate, db: Session = Depends(get_db)):
    db_message = RoomMessage(uid=message.uid, uname=message.uname, room_name=message.room_name, content=message.content, timestamp=message.timestamp)
    db.add(db_message)
    db.commit()
    db.refresh(db_message)
    return db_message

基本功能实现后，就可以参考上篇教程，启动数据库服务端。

2. 多轮对话实现

多轮对话的核心就是接入数据库，从库中检索到一段时间内的聊天记录，统一送给大模型进行答复。

所以，在原来应用的基础上，主要有三点改造：

新增好友信息
新增聊天记录
检索聊天记录

我们来一一搞定它！

2.1 新增好友信息接口

当有好友发消息后，首先需要将用户信息更新到用户表中，为此可以编写一个接口函数，去请求数据库：

def add_user(payload): # source['from']['payload']
    response = requests.post(f"{db_base_url}/users/", json={
        "uid": payload['id'],
        "name": payload['name'],
        "alias": payload['alias']
    })
    if response.status_code == 200:
        logger.info(f"Add/update user {payload['name']} into user table")
    else:
        logger.error(f"Failed to add user {payload['name']} into user table, {response.text}")

2.2 新增聊天记录

当有用户消息过来时，需要将其保存到数据库中：

def add_message_room(uid, uname, room_name, content, timestamp):
    response = requests.post(f"{db_base_url}/messages/room/", json={
        "uid": uid,
        "uname": uname,
        "room_name": room_name,
        "content": content,
        "timestamp": timestamp,
    })
    if response.status_code == 200:
        logger.info(f"Add message {content} from {uname} into message table")
    else:
        logger.error(f"Failed to add message {content} from {uname} into message table, {response.text}")

2.3 检索聊天记录

在大模型回答之前，需要从数据库中检索到相关聊天记录：

def get_message_room(uid='', room_name='', limit=6, start_time='', end_time=''):
    param = {
        "uid": uid,
        "room_name": room_name,
        "limit": limit,
        "start_time": start_time,
        "end_time": end_time
    }
    response = requests.get(f"{db_base_url}/messages/room/", params=param)
    if response.status_code == 200:
        return response.json()
    else:
        return []

最后，把以上功能嵌入到原有对话流程中，测试成功，就可以上线啦。