Chatbot Long Short Term Memory
1.0.0
이 저장소에는 장기 메모리, 고급 로직, 임베딩 및 데이터베이스를 활용하여 진정으로 고유 한 사용자 경험을 제공하는 OpenAI API로 생성 된 고급 챗봇이 포함되어 있습니다. 사전 정의 된 규칙 또는 스크립트를 기반으로 사용자 입력에 단순히 응답하는 기존 챗봇과 달리,이 챗봇은 이전 대화에서 말한 내용을 기억하고보다 개인화되고 관련성이 높은 응답을 제공하기 위해 그 지식을 바탕으로 할 수 있습니다.
챗봇의 고급 논리 기능은 또한보다 복잡한 대화를 처리하고 미묘한 응답을 제공 할 수 있음을 의미하여 실제 사람과 채팅하는 것처럼 느껴집니다. 또한 챗봇은 임베딩 및 데이터베이스를 사용하여 장기 메모리를 달성하여 이전 대화에서 정보를 유지하고 해당 정보를 사용하여 향후 상호 작용을 알릴 수 있습니다.
안전한 사용자 경험을 보장하기 위해 Chatbot에는 Google 로그인을 통한 KYC (Know-Your-Customer) 인증도 포함되어 있습니다. 이 기능은 사용자의 신원을 확인하고 사기 및 남용을 예방하는 데 도움이됩니다.
이 챗봇의 주요 기능 중 하나는 유연한 프롬프트입니다. 예를 들어, 기본 프롬프트는 챗봇이 이탈리아 교사처럼 행동하도록 설계되었지만, 다른 사용 사례에 맞게 프롬프트를 쉽게 수정할 수 있습니다. 이를 통해 챗봇은 다양한 사용 사례에 매우 다재다능하고 적응력이 있습니다.
고급 자연 언어 처리를 위해 OpenAI API의 최신 모델 (GPT-3.5-Turbo)을 사용합니다.
임베딩 및 데이터베이스를 통해 달성 된 장기 메모리
유연한 프롬프트는 모든 유스 케이스에 쉽게 사용자 정의 할 수 있습니다.
고급 로직 기능은보다 복잡한 대화 및 미묘한 응답을 가능하게합니다.
Google 로그인을 통한 KYC 인증은 안전한 사용자 경험을 보장합니다.
다양한 응용 프로그램 및 플랫폼에 쉽게 통합 될 수 있습니다
간단한 스크립트와 규칙을 넘어서는 챗봇을 찾고 있고 사용자 정보의 보안을 유지하면서보다 개인화되고 매력적인 사용자 경험을 제공 할 수있는 경우 장기 메모리, 고급 로직 및 KYC 인증을 갖춘이 AI 기반 챗봇이 완벽한 솔루션입니다!
챗봇을 사용하려면 먼저이 저장소를 로컬 컴퓨터로 복제해야합니다. 터미널에서 다음 명령을 실행하여이를 수행 할 수 있습니다.
git clone https://github.com/FaustoNisida/AI-Chatbot-Long-Term-Memory thefolderofyourchoise
cd thefolderofyourchoise
다음으로 클라이언트 및 서버 응용 프로그램에 대한 모든 종속성을 설치해야합니다. 이렇게하려면 먼저 터미널의 클라이언트 디렉토리로 이동하십시오.
cd client
그런 다음 다음 명령을 실행하여 클라이언트 종속성을 설치하십시오.
npm install --force
설치 프로세스 중에 오류가 발생하면 -포스 플래그가 필요할 수 있습니다.
다음으로 터미널의 서버 디렉토리로 이동하십시오.
cd ../server
그런 다음 다음 명령을 실행하여 서버 종속성을 설치하십시오.
npm install
종속성을 설치 한 후에는 다음 환경 변수가 포함 된 클라이언트 및 서버 디렉토리 모두에서 .env 파일을 작성해야합니다.
OPENAI_API_KEY=<youropenaiapikey>
여기에서 OpenAi 키를 만듭니다
API_KEY=<yourcustomapikeyforaccessingtheserver>
API_KEY 필드에 선택한 암호 또는 키를 배치 할 수 있습니다.
VITE_Api_Key=<yourcustomapikeyforaccessingtheserver>
VITE_Google_Client_id=<yourgoogleclientid>
프로젝트를 작성한 다음 Google 클라이언트 ID를 여기에서
Google 클라이언트 ID가 올바르게 구성되어 있는지 확인하려면 작성 프로세스 중에 다음 기원을 포함해야합니다.
승인 된 JavaScript 출신 :
승인 된 리디렉션 URI :
VITE_Api_Key 필드에서 클라이언트 .env 파일의 API_KEY Enviromental 변수에 배치 한 것과 동일한 비밀번호 또는 키를 배치해야합니다.
이제 응용 프로그램을 사용할 준비가되었습니다
터미널 창을 엽니 다.
명령 cd server 실행하여 서버 디렉토리로 이동하십시오.
npm run server 실행하여 서버를 시작하십시오.
서버는 이제 http : // localhost : 3000에서 실행 중입니다
기본적으로 챗봇은 이탈리아 교사처럼 행동하도록 설정됩니다. 그러나 염두에두고 다른 사용 사례에 맞게 프롬프트를 쉽게 수정할 수 있습니다. 원하는 프롬프트를 포함하도록 서버 디렉토리의 index.js 파일의 97 행에서 프롬프트를 편집하기 만하면됩니다.
현재 클라이언트를 실행중인 터미널을 닫지 않고 두 번째 터미널 창을 엽니 다.
명령 cd client 실행하여 클라이언트 디렉토리로 이동하십시오.
명령 npm run dev 실행하여 클라이언트를 시작하십시오.
클라이언트와 서버가 실행 중이며 웹 브라우저에서 http : // localhost : 5173을 방문하여 응용 프로그램에 액세스 할 수 있습니다.
사용법을 즐기십시오!
벡터 검색과 같은 벡터 검색을 지원하는 데이터베이스와 관련된 임베딩 및 입력 및 출력을 저장하는 것이 좋습니다. 로컬 JSON 파일 (시간을 위해이 프로젝트에 사용했듯이 소규모 프로젝트 또는 프로토 타이핑을위한 데이터베이스로 사용할 수 있지만 임베딩 및 관련 데이터를 처리 할 때 특수 데이터베이스를 사용하는 것이 가장 좋습니다.
벡터 검색 데이터베이스에 포함 및 관련 데이터를 저장하면보다 복잡하고 느린 데이터베이스 쿼리에 의존하지 않고도 필요할 때 관련 정보를 쉽게 검색하고 검색 할 수 있습니다. 이를 통해 챗봇의 전반적인 속도와 효율성을 크게 향상시켜 사용자 경험이 향상됩니다.
이러한 데이터베이스는 상당한 이점을 제공 할 수 있지만 기존 데이터베이스에 비해 추가 설정 및 유지 보수가 필요할 수도 있습니다. 벡터 검색 데이터베이스를 사용하기로 결정하기 전에 특정 요구 사항과 리소스를 고려하십시오.
이 프로젝트에 기여하려면 제안 된 변경 사항과 함께 풀 요청을 제출하십시오. 우리는 버그 수정, 새로운 기능 및 문서 개선을 포함한 모든 기여를 환영합니다.
이 프로젝트에 대한 질문이나 피드백이 있으면 언제든지 문의하십시오.
우리는 귀하의 의견을 듣고 싶습니다. 귀하가 발생할 수있는 모든 문제를 도와 드리겠습니다.
