GPT:多轮对话并搭建简单的聊天机器人

1 多轮对话

  多轮对话能力至关重要,它不仅能深化交流,精准捕捉对方意图,还能促进有效沟通,增强理解。在智能客服、教育辅导等领域,多轮对话更是提升服务质量、增强用户体验的关键。
注意:大模型没有多轮对话的能力,但基于大模型开发的对话产品是具有对话能力的。换句话说,就是GPT系列模型没有多轮对话能力,但是ChatGPT是能完成多轮对话能力的。 举例如下(ChaGpt结合上一次的对话识别出“好冷啊”这句话的意思是笑话不好笑,而GPT做不到):

ChatGPT结果
在这里插入图片描述
GPT结果
在这里插入图片描述

2 使用OpenAI API简单搭建聊天机器人

  利用OpenAI API实现多轮对话的原理很简单,即:将之前对话的内容传递给GPT模型,以帮助模型生成更准确的回复。具体代码文件目录如下:
在这里插入图片描述
各个文件的具体代码如下:
driver.py(python实现)

from flask import Flask,request,jsonify
from flask import render_template
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())
client=OpenAI()
#先加入一些对GPT聊天的基本要求,这两个要一直上传给大模型
history=[{"role":"system","content":"你是一个聊天机器人,你叫Bot."},{"role":"user","content":"每次输出的内容限定在50字以内。"}] 
# 生成对话内容
def chat(message):
	#将过去5轮对话的内容传递给大模型
    if len(history)>10:
        messages=history[:2]+history[-8:]
    else:
        messages=history[-10:]
    #正常结束
    if message.lower()=="stop":
        return "对话结束"
    messages.append({"role":"user","content":message})
    response=client.chat.completions.create(
        model="gpt-3.5-turbo",
        messages=messages,
        temperature=0.7,
    )
    #处理GPT没有输出的情况(比如token用完)
    if response.choices is None:
        return "对话结束"
    reply=response.choices[0].message.content
    history.append({"role":"user","content":message})
    history.append({"role":"assistant","content":reply})
    return reply

app=Flask(__name__)
@app.route('/')
def index():
    return render_template('chat.html')

@app.route('/submit_message',methods=['POST','GET'])
def submit():
    if request.method == 'POST':
        message = request.form['input-message']
    elif request.method == 'GET':
        message = request.args.get('input-message')
    if len(message)>0:
        reply=chat(message)
        return jsonify({"reply_message":reply})

if __name__ == '__main__':
    app.run(debug=False,host="127.0.0.1",port=5000)

前端页面代码:chat.html

<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Chat Window</title>
<style>
    .chat-container {
        display: flex;
        flex-direction: column;
        width: 600px;
        height: 500px;
        border: 1px solid #ccc;
        overflow-y: scroll;
        padding: 10px;
        margin-left:400px;
    }
    .chat-message {
        padding: 5px;
        margin-bottom: 10px;
        border-radius: 5px;
    }
    .user-message {
        align-self: flex-end;
        background-color: chartreuse;
    }
    .bot-message {
        align-self: flex-start;
        background-color:bisque;
        
    }
    .input-message {
        width: 600px;
        padding: 5px;
        margin-top: 10px;
        margin-left: 400px;
    }
    button {
        padding: 5px 10px;
        background: orange;
        border: 1px solid #ccc;
        border-radius: 5px;
        cursor: pointer;
        margin-left: 400px;
        margin-top: 10px;
    }
</style>
</head>
<body>
<div class="chat-container" id="chat-container">
    <div class="chat-message bot-message">我是一个聊天机器人,我叫Bot,现在我们可以开始聊天了!</div>
</div>
<form action='/submit_message'  method="GET">
<input type="text" class="input-message" id="input-message" name="input-message" placeholder="Type your message here">
</form>
<button onclick="sendMessage()">Send</button>
<script>
    async function sendMessage() {
        const input_message = document.getElementById('input-message').value;
        const chatContainer = document.getElementById('chat-container');
        const userMessage = document.createElement('div');
        userMessage.className = 'chat-message user-message';
        userMessage.textContent = input_message;
        chatContainer.appendChild(userMessage);
        
        const response=await fetch('http://127.0.0.1:5000/submit_message?input-message='+input_message,{
            method:'GET',
            mode:"cors",
            headers:{
                'Content-Type':'application/json'
            },
        });
        let result=await response.json();
        const reply_message=result.reply_message;
        const botMessage = document.createElement('div');
        botMessage.className = 'chat-message bot-message';
        botMessage.textContent = reply_message;
        chatContainer.appendChild(botMessage);
        document.getElementById('input-message').value = '';
    }
</script>
</body>
</html>

最后聊天界面如下(PS: token用光了,后续会替换掉这张图):
在这里插入图片描述
最后,关于多轮对话注意一下几点:

  • 多轮对话费token!多轮对话费token!多轮对话费token!所以传递多少过去的对话内容给大模型需要仔细衡量。
  • 目前代码只是实现了多轮对话的能力,距离解决特定问题的智能客服等产品还很遥远。

参考资料

  1. https://blog.csdn.net/qq_38100666/article/details/130948824
  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 搭建自己的聊天机器人GPT2需要一定的硬件和软件配置: 硬件配置: - 至少16GB的RAM - 一块高性能的GPU(例如NVIDIA GeForce GTX 1080 Ti或更高级别) - 至少500GB的存储空间(用于存储训练数据和模型文件) 软件配置: - Python 3.x - PyTorch框架 - Transformers库 - TensorboardX库 - 适当的文本编辑器或IDE 在安装软件之前,确保你的机器上已经安装了CUDA和cuDNN,这些是必须的,因为它们将大大加速训练。 此外,为了获得更好的结果,你还需要一个大型的语料库来训练你的模型。你可以使用互联网上可用的公共语料库,或者使用自己的数据集。 ### 回答2: 要搭建自己的聊天机器人GPT-2,需要以下配置: 1. 硬件配置:GPT-2是一种强大的自然语言处理模型,需要较高的计算资源。至少需要具备一台性能较强的计算机或者服务器。一般来说,建议使用一台具备高性能的显卡(如NVIDIA Tesla V100)和充足的内存(至少32GB)的机器。 2. 操作系统:GPT-2可以在多个操作系统上运行,包括Linux、Windows和Mac OS。可以根据个人喜好和实际需求选择适合的操作系统。 3. Python环境:GPT-2是使用Python编写的,因此需要安装Python环境。建议使用Python 3.x 的版本。 4. 开发框架:GPT-2可以使用多个深度学习框架进行搭建,包括TensorFlow、PyTorch等。需要根据个人熟悉程度和需求选择合适的框架。 5. 数据集:为了搭建一个准确和有效的聊天机器人,需要一个训练用的大规模对话数据集。可以使用公开可用的对话数据集,如Reddit对话数据集或Twitter对话数据集,也可以基于自己的需求构建和收集特定领域的对话数据集。 6. GPT-2模型:要使用GPT-2模型,需要下载或者训练一个合适的模型。可以从相关的开源项目中获取预训练好的GPT-2模型,也可以根据需要自行训练一个模型。 7. 部署:完成模型搭建后,需要将聊天机器人部署到一个服务器或者云平台上,以便可以在实际环境中运行和使用。 搭建自己的聊天机器人GPT-2是一个较复杂的工程,需要具备一定的编程和深度学习知识。同时,还需要耐心和时间对模型进行训练和优化。建议在初次搭建时参考相关的教程和文档,掌握基本的搭建流程和步骤。 ### 回答3: 要搭建自己的聊天机器人GPT-2,需要一定的硬件和软件配置来支持其高性能的运行。以下是大致的配置要求: 硬件配置方面,需要一台高性能的计算机或服务器,以满足GPT-2模型的运算需求。推荐的配置包括至少16GB的RAM、一张支持CUDA的GPU(例如NVIDIA GTX 1080 Ti或更高性能的显卡)以加快模型的训练和推断速度,并且有足够的存储空间来存储训练数据和模型参数。 软件配置方面,需要安装Python的开发环境,以及相关的Python库和依赖项。建议使用TensorFlow或PyTorch这样的深度学习框架来实现GPT-2模型。同时,还需要下载GPT-2的预训练模型和相关的代码库。 此外,为了更好地训练和优化模型,您可能需要进行数据预处理和特征工程,以及增加额外的训练数据来提高模型的性能和语言理解能力。 在配置完成后,可以使用训练数据来对GPT-2模型进行有监督或无监督的训练,以便使其适应特定的对话场景。同时,您还可以根据需要进行调优和微调,以提升机器人的回答质量和交互效果。 总之,要搭建自己的聊天机器人GPT-2,需要一定的硬件和软件配置来支持其高性能的运行,并且需要投入充足的时间和精力来进行模型的训练和优化。

“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 2
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