09｜从零实现一个角色扮演的聊天机器人

郑晔

你好，我是郑晔！
前面我们介绍了 LangChain 最核心的抽象，相信你现在已经能够用 LangChain 完成一些一次性的简单任务了。从这一讲开始，我们会尝试开发一些大模型应用。通过这些应用，你会逐渐了解到常见的应用类型有哪些，以及如何使用 LangChain 开发这些应用。当然，我们还会遇到很多之前没有讲到过的 LangChain 抽象，我会结合开发的内容给你做一些介绍。
这一讲，我们就从最简单的聊天机器人开始讲起。
简单的聊天机器人前面说过，ChatGPT 之所以火爆，很大程度上是拜聊天模式所赐，人们对于聊天模式的熟悉，降低了 ChatGPT 的理解门槛。开发一个好的聊天机器人并不容易，但开发一个聊天机器人，尤其是有了 LangChain 之后，还是很容易的。我们这一讲的目标就是开发一个简单的聊天机器人，它也会成为我们后面几讲的基础，你会看到一个聊天机器人是怎样逐渐变得强大起来。
出于简化的目的，我们的目标是打造一个命令行的聊天机器人。下面就是这个最简版聊天机器人的实现：
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
chat_model = ChatOpenAI(model="gpt-4o-mini")
while True:
    user_input = input("You:> ")
    if user_input.lower() == 'exit':
        break
    stream = chat_model.stream([HumanMessage(content=user_input)])
    for chunk in stream:
        print(chunk.content, end='', flush=True)
    print()

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

1. LangChain的抽象使得开发聊天机器人变得更容易，通过LangChain可以开发一个简单的聊天机器人。 2. LangChain解决了聊天机器人的API请求无状态的问题，引入了ChatMessageHistory抽象来保留会话信息。 3. RunnableWithMessageHistory类将聊天历史和模型结合起来，使得聊天机器人能够持续对话。 4. 实现角色扮演的聊天机器人，使用ChatPromptTemplate来设定提示词，让聊天机器人能够扮演特定角色进行回复。 5. 通过trim_messages限制消息规模，控制聊天历史的大小，确保不超过大模型的上下文窗口大小。 6. 实现一个命令行版的聊天机器人，通过ChatMessageHistory管理聊天历史，然后用RunnableWithMessageHistory将其与编写的链结合起来。 These key points summarize the article's focus on the LangChain framework for developing chatbots, the implementation of a role-playing chatbot, and the management of chat history to ensure effective and continuous conversations.

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《程序员的 AI 开发第一课》，新⼈⾸单¥59

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论