Chatbot Long Short Term Memory
1.0.0
Repositori ini berisi chatbot canggih yang dibuat dengan API OpenAI yang memanfaatkan memori jangka panjang, logika canggih, embeddings, dan database untuk memberikan pengalaman pengguna yang benar-benar unik. Tidak seperti chatbots tradisional yang hanya menanggapi input pengguna berdasarkan aturan atau skrip yang telah ditentukan sebelumnya, chatbot ini dapat mengingat apa yang Anda katakan dalam percakapan sebelumnya dan membangun pengetahuan itu untuk memberikan tanggapan yang lebih personal dan relevan.
Kemampuan logika canggih chatbot juga berarti dapat menangani percakapan yang lebih kompleks dan memberikan tanggapan yang lebih bernuansa, membuatnya terasa seperti Anda mengobrol dengan orang sungguhan. Selain itu, chatbot menggunakan embeddings dan basis data untuk mencapai memori jangka panjang, memungkinkannya untuk menyimpan informasi dari percakapan sebelumnya dan menggunakan informasi itu untuk menginformasikan interaksi di masa depan.
Untuk memastikan pengalaman pengguna yang aman, chatbot juga menyertakan otentikasi Know-Customer Anda (KYC) melalui Google Login. Fitur ini memverifikasi identitas pengguna dan membantu mencegah penipuan dan penyalahgunaan.
Salah satu fitur utama chatbot ini adalah permintaan fleksibelnya. Misalnya, prompt default dirancang untuk membuat chatbot bertindak seperti guru Italia, tetapi Anda dapat dengan mudah memodifikasi prompt agar sesuai dengan kasus penggunaan lain yang ada dalam pikiran Anda. Ini membuat chatbot sangat fleksibel dan mudah beradaptasi dengan berbagai kasus penggunaan.
Menggunakan model terbaru (GPT-3.5-turbo) dari Openai API untuk pemrosesan bahasa alami canggih
Memori jangka panjang yang dicapai melalui embeddings dan database
Prompt fleksibel memungkinkan kustomisasi mudah agar sesuai dengan kasus penggunaan apa pun
Kemampuan logika lanjutan memungkinkan percakapan yang lebih kompleks dan respons bernuansa
Otentikasi KYC melalui Google Login memastikan pengalaman pengguna yang aman
Dapat dengan mudah diintegrasikan ke dalam berbagai aplikasi dan platform
Jika Anda mencari chatbot yang melampaui skrip dan aturan sederhana, dan dapat memberikan pengalaman pengguna yang lebih personal dan menarik sambil juga menjaga keamanan informasi pengguna, chatbot bertenaga AI ini dengan memori jangka panjang, logika canggih, dan otentikasi KYC adalah solusi yang sempurna!
Untuk menggunakan chatbot, pertama -tama Anda harus mengkloning repositori ini ke mesin lokal Anda. Anda dapat melakukan ini dengan menjalankan perintah berikut di terminal Anda:
git clone https://github.com/FaustoNisida/AI-Chatbot-Long-Term-Memory thefolderofyourchoise
cd thefolderofyourchoise
Selanjutnya, Anda perlu menginstal semua dependensi untuk aplikasi klien dan server. Untuk melakukan ini, pertama -tama arahkan ke direktori klien di terminal Anda:
cd client
Kemudian, jalankan perintah berikut untuk menginstal dependensi klien:
npm install --force
Perhatikan bahwa bendera -force mungkin diperlukan jika Anda menemukan kesalahan selama proses instalasi.
Selanjutnya, arahkan ke direktori server di terminal Anda:
cd ../server
Kemudian, jalankan perintah berikut untuk menginstal dependensi server:
npm install
Setelah menginstal dependensi, Anda perlu membuat file .env di direktori klien dan server yang berisi variabel lingkungan berikut:
OPENAI_API_KEY=<youropenaiapikey>
Buat kunci openai Anda di sini
API_KEY=<yourcustomapikeyforaccessingtheserver>
Anda dapat menempatkan kata sandi atau kunci pilihan apa pun di bidang API_KEY .
VITE_Api_Key=<yourcustomapikeyforaccessingtheserver>
VITE_Google_Client_id=<yourgoogleclientid>
Buat proyek dan kemudian ID Google Klien di sini
Untuk memastikan bahwa ID Klien Google Anda dikonfigurasi dengan benar, penting untuk memasukkan asal -usul berikut selama proses pembuatan:
Origins JavaScript Resmi:
URI Redirect Resmi:
Di bidang VITE_Api_Key Anda harus menempatkan kata sandi atau kunci yang sama dengan yang Anda tempatkan di variabel lingkungan API_KEY dari file .env klien
Sekarang Anda siap menggunakan aplikasi
Buka jendela terminal.
Arahkan ke direktori server dengan menjalankan cd server perintah.
Mulai server dengan menjalankan Perintah npm run server .
Server sekarang berjalan di http: // localhost: 3000
Secara default, chatbot diatur untuk bertindak seperti guru Italia. Namun, Anda dapat dengan mudah memodifikasi prompt agar sesuai dengan kasus penggunaan lain yang ada dalam pikiran Anda. Cukup edit prompt di baris 97 dari file index.js di direktori server untuk memasukkan prompt yang Anda inginkan .
Buka jendela terminal kedua, tanpa menutup terminal di mana saat ini menjalankan klien .
Arahkan ke direktori klien dengan menjalankan cd client perintah.
Mulai klien dengan menjalankan perintah npm run dev .
Klien dan server sekarang sedang berjalan dan Anda dapat mengakses aplikasi dengan mengunjungi http: // localhost: 5173 di browser web Anda.
Nikmati penggunaannya!
Disarankan untuk menyimpan embeddings dan input dan output yang terkait dengan yang ada dalam database yang mendukung pencarian vektor, seperti Weaviate atau Pinecone. Sementara file JSON lokal (seperti yang saya gunakan untuk proyek ini demi waktu) dapat digunakan sebagai database untuk proyek skala kecil atau prototipe, adalah praktik terbaik untuk menggunakan database khusus saat berhadapan dengan embeddings dan data terkait.
Dengan menyimpan embeddings dan data terkait dalam database pencarian vektor, Anda dapat dengan mudah mencari dan mengambil informasi yang relevan saat dibutuhkan, tanpa harus mengandalkan kueri basis data yang lebih kompleks dan lebih lambat. Ini secara signifikan dapat meningkatkan kecepatan dan efisiensi keseluruhan chatbot, menghasilkan pengalaman pengguna yang lebih baik.
Perlu diingat bahwa sementara database ini dapat menawarkan manfaat yang signifikan, mereka juga mungkin memerlukan pengaturan dan pemeliharaan tambahan dibandingkan dengan database tradisional. Pertimbangkan kebutuhan dan sumber daya spesifik Anda sebelum memutuskan untuk menggunakan database pencarian vektor.
Jika Anda ingin berkontribusi pada proyek ini, jangan ragu untuk mengirimkan permintaan tarik dengan perubahan yang Anda usulkan. Kami menyambut semua kontribusi, termasuk perbaikan bug, fitur baru, dan peningkatan dokumentasi.
Jika Anda memiliki pertanyaan atau umpan balik tentang proyek ini, jangan ragu untuk menghubungi kami:
Kami ingin mendengar dari Anda dan dengan senang hati membantu dengan masalah apa pun yang mungkin Anda temui.
