Chatbot Long Short Term Memory
1.0.0
Dieses Repository enthält einen erweiterten Chatbot, der mit der OpenAI-API erstellt wurde, die Langzeitspeicher, erweiterte Logik, Einbettung und Datenbanken nutzt, um eine wirklich eindeutige Benutzererfahrung zu bieten. Im Gegensatz zu herkömmlichen Chatbots, die einfach auf Benutzereingaben basierend auf vordefinierten Regeln oder Skripten reagieren, kann sich dieser Chatbot erinnern, was Sie in früheren Gesprächen gesagt haben, und auf diesem Wissen aufbauen, um personalisiertere und relevantere Antworten zu liefern.
Die erweiterten Logikfunktionen des Chatbot bedeuten auch, dass sie komplexere Gespräche umgehen und nuanciertere Antworten liefern, sodass Sie mit einer echten Person chatten. Darüber hinaus verwendet der Chatbot Ausbetten und Datenbanken, um einen Langzeitgedächtnis zu erzielen, sodass es Informationen aus früheren Gesprächen beibehalten und diese Informationen verwenden kann, um zukünftige Interaktionen zu informieren.
Um ein sicheres Benutzererlebnis zu gewährleisten, enthält der Chatbot auch die Authentifizierung von Know-your-Customer (KYC) über Google Login. Diese Funktion überprüft die Identität von Benutzern und hilft, Betrug und Missbrauch zu verhindern.
Eine der wichtigsten Funktionen dieses Chatbots sind die flexiblen Eingabeaufforderungen. Beispielsweise ist die Standardeingabeaufforderung so konzipiert, dass der Chatbot wie ein italienischer Lehrer verarbeitet. Sie können jedoch die Eingabeaufforderung leicht ändern, um einen anderen Anwendungsfall anzupassen, den Sie berücksichtigen. Dies macht den Chatbot sehr vielseitig und anpassbar an eine Vielzahl von Anwendungsfällen.
Verwendet das neueste Modell (GPT-3,5-Turbo) der OpenAI-API für die Verarbeitung fortschrittlicher natürlicher Sprache
Langzeitgedächtnis, die durch Einbettung und Datenbanken erzielt werden
Flexible Eingabeaufforderungen ermöglichen eine einfache Anpassung, um alle Anwendungsfälle anzupassen
Erweiterte Logikfunktionen ermöglichen komplexere Gespräche und differenzierte Antworten
KYC -Authentifizierung über Google Login sorgt für eine sichere Benutzererfahrung
Kann leicht in verschiedene Anwendungen und Plattformen integriert werden
Wenn Sie nach einem Chatbot suchen, der über einfache Skripte und Regeln hinausgeht und eine personalisiertere und engagiertere Benutzererfahrung bietet und gleichzeitig die Sicherheit von Benutzerinformationen beibehält, ist dieser KI-betriebene Chatbot mit Langzeitspeicher, erweiterter Logik und KYC-Authentifizierung die perfekte Lösung!
Um den Chatbot zu verwenden, müssen Sie dieses Repository zunächst in Ihre lokale Maschine klonen. Sie können dies tun, indem Sie den folgenden Befehl in Ihrem Terminal ausführen:
git clone https://github.com/FaustoNisida/AI-Chatbot-Long-Term-Memory thefolderofyourchoise
cd thefolderofyourchoise
Als nächstes müssen Sie alle Abhängigkeiten für die Client- und Serveranwendungen installieren. Navigieren Sie dazu zuerst zum Client -Verzeichnis in Ihrem Terminal:
cd client
Führen Sie dann den folgenden Befehl aus, um die Client -Abhängigkeiten zu installieren:
npm install --force
Beachten Sie, dass das Flag -Force -Flag möglicherweise erforderlich ist, wenn Sie beim Installationsprozess Fehler auf Fehler stoßen.
Navigieren Sie als Nächstes zum Serververzeichnis in Ihrem Terminal:
cd ../server
Führen Sie dann den folgenden Befehl aus, um die Serverabhängigkeiten zu installieren:
npm install
Nach der Installation der Abhängigkeiten müssen Sie eine .EnV -Datei sowohl in den Client- als auch in Serververzeichnissen erstellen, die die folgenden Umgebungsvariablen enthalten:
OPENAI_API_KEY=<youropenaiapikey>
Erstellen Sie hier Ihren OpenAI -Schlüssel
API_KEY=<yourcustomapikeyforaccessingtheserver>
Sie können das Passwort oder Schlüssel Ihrer Wahl im Feld API_KEY platzieren.
VITE_Api_Key=<yourcustomapikeyforaccessingtheserver>
VITE_Google_Client_id=<yourgoogleclientid>
Erstellen Sie hier ein Projekt und dann eine Google -Client -ID
Um sicherzustellen, dass Ihre Google -Client -ID ordnungsgemäß konfiguriert ist, ist es wichtig, die folgenden Ursprünge während des Erstellungsprozesses aufzunehmen:
Autorisierte JavaScript -Ursprünge:
Autorisierte Umleitungs -URIs:
Im Feld VITE_Api_Key müssen Sie dasselbe Passwort oder Schlüssel, das Sie in der Umweltvariable der API_KEY -Umgebung der Client -Datei platziert haben, platzieren.
Jetzt sind Sie bereit, die Anwendung zu verwenden
Öffnen Sie ein Terminalfenster.
Navigieren Sie zum Serververzeichnis, indem Sie den Befehls cd server ausführen.
Starten Sie den Server, indem Sie den Befehl npm run server ausführen.
Der Server wird jetzt auf http: // localhost: 3000 ausgeführt
Standardmäßig ist der Chatbot eingerichtet, um sich wie ein italienischer Lehrer zu verhalten. Sie können die Eingabeaufforderung jedoch leicht ändern, um einen anderen von Ihnen vorgesehenen Anwendungsfall anzupassen. Bearbeiten Sie einfach die Eingabeaufforderung in Zeile 97 der Index.js -Datei im Serververzeichnis, um Ihre gewünschte Eingabeaufforderung zu enthalten .
Öffnen Sie ein zweites Terminalfenster, ohne das Terminal zu schließen, in dem derzeit der Client ausgeführt wird .
Navigieren Sie zum Client -Verzeichnis, indem Sie den Befehls cd client ausführen.
Starten Sie den Client, indem Sie den Befehl npm run dev ausführen.
Der Client und Server werden jetzt ausgeführt und Sie können auf die Anwendung zugreifen, indem Sie http: // localhost: 5173 in Ihrem Webbrowser besuchen.
Genieße die Verwendung!
Es wird empfohlen, die Einbettungsdings und Eingänge und Ausgänge zu speichern, die denen in einer Datenbank zugeordnet sind, die die Vektorsuche wie Weaviate oder Pinecone unterstützt. Während lokale JSON-Dateien (wie ich für dieses Projekt zum Zeitpunkt der Zeit verwendet habe) als Datenbank für kleine Projekte oder Prototypen verwendet werden können, ist es im Umgang mit Einbettungen und zugehörigen Daten bewährte Praxis, spezialisierte Datenbanken zu verwenden.
Durch das Speichern der Einbetten und zugehörigen Daten in einer Vektor -Suchdatenbank können Sie bei Bedarf relevante Informationen problemlos durchsuchen und abrufen, ohne sich auf komplexere und langsamere Datenbankabfragen verlassen zu müssen. Dies kann die Gesamtgeschwindigkeit und Effizienz des Chatbot erheblich verbessern, was zu einer besseren Benutzererfahrung führt.
Beachten Sie, dass diese Datenbanken zwar erhebliche Vorteile bieten können, aber möglicherweise auch zusätzliche Einrichtung und Wartung im Vergleich zu herkömmlichen Datenbanken erfordern. Berücksichtigen Sie Ihre spezifischen Anforderungen und Ressourcen, bevor Sie sich für eine Vektor -Suchdatenbank entscheiden.
Wenn Sie zu diesem Projekt beitragen möchten, können Sie bitte eine Pull -Anfrage mit Ihren vorgeschlagenen Änderungen einreichen. Wir begrüßen alle Beiträge, einschließlich Fehlerbehebungen, neuen Funktionen und Verbesserungen der Dokumentation.
Wenn Sie Fragen oder Feedback zu diesem Projekt haben, können Sie sich gerne an uns wenden:
Wir würden gerne von Ihnen hören und helfen gerne bei Problemen, denen Sie möglicherweise begegnen.
