type
status
slug
summary
date
tags
category
password
Text
AI summary
AI custom autofill
Multi-select
Status
URL
hashtag
勘误
标签
标题
类型
贴文
🪄
icon
本文深入探讨了如何使用Langchain和OpenAI创建聊天机器人，以及如何将文本数据转换为向量，如何创建向量存储器，如何使用OpenAI API创建对话模型，以及如何使用
ConversationalRetrievalChain对象将模型和向量存储器结合在一起，用于根据文本数据回答问题。作者非常详细地介绍了如何使用CSV文件将文本数据读入
Document对象的列表中，并使用Langchain的内置模块将文本转换为向量。此外，作者还提供了完整的Python代码和示例CSV文件，以及与ChatBox的示例对话，使读者能够更好地了解如何使用Langchain和OpenAI构建聊天机器人。这篇文章提供了一个很好的起点，让读者了解如何使用Langchain和OpenAI构建聊天机器人。如果您想深入了解聊天机器人的开发，那么本文一定不容错过。
在本教程中，我们将探讨如何使用Langchain和OpenAI创建自己的聊天机器人。Langchain是一个Python库，提供了一个易于使用的接口，用于构建对话式AI系统，而OpenAI是一家为开发人员提供一套基于AI的工具和服务的公司。通过结合这两个强大的工具，我们可以创建一个聊天框，它可以根据文本数据回答问题。
该过程涉及使用包含文本数据的CSV文件对聊天机器人进行训练。我们将使用Langchain的内置模块将文本转换为向量，创建向量存储和构建对话检索链。检索链使用来自OpenAI的预训练语言模型，根据文本数据生成用户查询的回答。
使用Langchain和OpenAI构建聊天机器人的好处之一是，它允许我们利用预训练语言模型的强大功能，而无需从头开始训练它们。这可以节省我们的时间和资源，因为预训练模型已经学会了理解自然语言并回答问题。此外，Langchain提供了一个用户友好的界面，用于构建对话式AI系统，使得我们可以轻松地对聊天机器人设计进行实验和迭代。
在开始之前，重要的是要注意，我们需要从OpenAI获得API密钥并将其添加到我们的环境变量中。此API密钥将允许我们访问OpenAI的语言模型和其他AI服务。说到这里，让我们深入了解如何使用Langchain和OpenAI创建自己的聊天机器人！
完整代码
代码的细节：
这些行导入了代码运行所需的必要库和模块。具体来说，这个代码使用了
csv、os、openai、langchain.embeddings.openai、langchain.chat_models、langchain.chains、langchain.vectorstores 和 langchain.vectorstores.base 模块。这个函数将CSV文件读入一个
Document对象的列表中，稍后可以用于创建向量存储。file参数是CSV文件的路径，text_cols参数是将每个文档用作文本数据的列名的列表。该代码从名为
OPENAI_API_KEY的环境变量中检索OpenAI API密钥。如果环境变量未设置，则代码将打印一条消息并退出。这些行创建了一个对话检索链，可以用于根据文本数据回答问题。
首先，该代码使用
read_csv_into_vector_document函数从CSV文件中读取数据，该函数创建一个Document对象的列表。接下来，该代码使用OpenAI API密钥创建了一个
OpenAIEmbeddings对象。该对象用于将文本数据嵌入向量。然后，该代码使用
FAISS模块创建向量存储器，该库用于高效的密集向量相似性搜索和聚类。向量存储器是从Document对象列表和OpenAIEmbeddings对象创建的。接下来，该代码创建了一个名为
ChatOpenAI的对话模型，该模型基于OpenAI API。此对象用于回答问题。最后，该代码创建了一个
ConversationalRetrievalChain对象，该对象将模型和向量存储器结合在一起。该对象可以用于根据文本数据回答问题。该代码获取用户的输入并将其传递给
ConversationalRetrievalChain对象的__call__方法，该方法根据问题生成回答。__call__方法采用一个包含两个键的字典：question，它包含用户的输入，以及chat_history，它是与对话模型的先前交互的列表。__call__方法返回一个仅包含一个键answer的字典，该键包含模型对问题的回答。将此响应打印到控制台。总的来说，这个代码创建了一个对话检索链，它可以根据文本数据回答问题。使用
OpenAIEmbeddings对象将文本数据嵌入向量，使用FAISS模块创建向量存储器，使用ChatOpenAI模型回答问题，使用ConversationalRetrievalChain对象将模型和向量存储器结合在一起。代码提示用户输入并使用对话检索链回答其问题。附录：
示例CSV文件
training_data.csv
与ChatBox的示例对话
Github：
作者：Ebo Jackson
- 作者:Inevitable AI
- 链接:https://www.Inevitableai.ltd/article/share18
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。