【Python】搭建属于自己 AI 机器人

2024-11-29 来源：个人技术集锦

前言

现在，AI 已经进入了人们生活的每个角落，而 AI 大模型更是大火，诸如文心一言、Chatgpt、Kimi、清谱智言等等。

那为什么不能拥有一个自己的 AI 呢？于是我稍微研究了一下，本篇文章就将介绍如何搭建一个属于自己的 AI 机器人。话不多说，正片开始——

1 准备工作

1.1 环境搭建

自己训练一个 AI 机器人费时费力又费钱，所以搭建 AI 用的肯定是 API 接口。

本文我用的是月之暗面的 Kimi AI 做演示（当然，清谱智言或其他也可以，但是注意，文心一言的API要钱！）

至于写代码的依赖库，如下：

python-dotenv
openai
langchain
langchain_openai

1.2 获取 API KEY

获取 API key 其实很简单，这里用 Kimi 举例，其他平台也大同小异。

首先访问（前提是你要先登录）

点击新建

名字随便输

接着它会显示密钥，复制好，别告诉别人。

接着，在项目文件夹中新建一个.venv文件，如图，把 api key 复制进去：

在打码的地方填写 api key

OK，准备工作完成啦！

2 写代码

2.1 引用库

from dotenv import load_dotenv    # 虚拟环境
from openai import OpenAI         # 调用 API

2.2 创建用户

其中 load_dotenv() 就是获取 .venv 中的信息。

下面的函数中，base_url 就是你想调用的 AI 它的接口网址，一般都能在开发文档中找到。

load_dotenv()

client = OpenAI(
    base_url="https://api.moonshot.cn/v1"
)

2.3 创建对话

这是最重要的一步！

先看代码：

ask = "南京盐水鸭怎么样？"

completion = client.chat.completions.create(
    model="moonshot-v1-32k",
    messages=[
        {"role": "system", "content": "你是一个美食家，你要为用户说的美食写一段有文采的点评词。"},
        {"role": "user", "content": ask},
    ],
    max_tokens=500,
    temperature=0.7,
)

接下来请看讲解：

model：这个就是大模型的名称，一般也能在开发文档中找到；
messages：AI 接收的信息一般分为 3 个来源：系统(system)、用户(user)、AI(assistant)。这些信息中包括系统对 AI 的指示，用于确定 AI 的身份、用处，以及用户所说的话，还有之前的所有对话。在代码中，用一个字典组成的列表来储存；
max_tokens：这个参数用于限定 AI 输出的内容最大值，一个 token 表示一个词语；
temperature：这个参数用于规定 AI 输出内容的确定性，设成 0.7 就行了；

像这个程序中，我设置的功能就是让 AI 为美食写点评词，你当然也可以按照自己的需要修改。

2.4 输出内容

激动人心的时刻！

print(completion.choices[0].message.content)

这个程序输出的内容：

南京盐水鸭，是金陵古城的美食瑰宝，承载着六朝古都深厚的文化底蕴。这道佳肴以其独特的制作工艺和绝妙的风味，在众多美食中独树一帜。

选材讲究，选用的是肉质细嫩、肥而不腻的南京本地麻鸭。经过精细的宰杀、清洗、腌制等工序，使得鸭肉的每一寸肌理都渗透着独特的风味。腌制过程中，恰到好处的盐分与鸭肉的鲜美完美融合，使鸭肉更加鲜嫩可口。

烹饪技艺更是令人赞叹。将腌制好的鸭肉放入特制的卤水中，用文火慢炖，使鸭肉在不断吸收卤水精华的同时，保持了肉质的嫩滑。卤水中的香料与鸭肉的鲜美相互交融，形成了一种独特的香气，令人垂涎三尺。

成品的南京盐水鸭，色泽金黄，皮脆肉嫩，鲜美可口。轻轻一咬，鸭肉的鲜嫩与卤水的香味瞬间在口腔中爆发，让人回味无穷。鸭肉的鲜美与卤水的香料，形成了一种绝妙的平衡，既不会过于咸腻，也不会过于清淡，恰到好处地满足了味蕾的需求。                                                                                                            

品尝南京盐水鸭，就像是在品味一段历史，感受一种文化，让人在享受美味的同时，也能感受到南京这座城市的韵味。

2.5 调试

嘶~

AI 输出的内容好像有点太长了，于是我们需要为它所以点调试。（毕竟任何程序都要调试）

比如把它的要求改一下，限定一下字数。

messages=[
        {"role": "system", "content": "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"},
        {"role": "user", "content": ask},
],

看看结果：

果然好多了。

2.6 全部代码

from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

client = OpenAI(
    base_url="https://api.moonshot.cn/v1"
)

ask = "南京盐水鸭怎么样？"

completion = client.chat.completions.create(
    model="moonshot-v1-32k",
    messages=[
        {"role": "system", "content": "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"},
        {"role": "user", "content": ask},
    ],
    max_tokens=500,
    temperature=0.7,
)

print(completion.choices[0].message.content)

2.7 简短的总结

我们现在已经有了一个简单的 AI，但是还有一些问题：

代码流程不够规范
只能通过修改代码来实现问题的修改
只能实现一轮对话

接下来就来解决这些问题吧！

3 优化代码

3.1 规范代码

这里，就要隆重请出：langchain 第三方库！

它可以帮我们很好的流程化这段代码。

可以新建一个代码文件，因为代码要大改

3.1.1 引用库

from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate

load_dotenv()

3.1.2 创建提示词

其实就是修改了之前的 创建用户 中的代码。

注意：这里用户的名字从user变为了human

prompt_template = ChatPromptTemplate.from_messages(
    [
        ("system", "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"),
        ("human", "南京盐水鸭怎么样？")
    ]
)

3.1.3 创建模型

修改了原来的 创建对话。

model = ChatOpenAI(
    model="moonshot-v1-32k",
    openai_api_base="https://api.moonshot.cn/v1",
    max_tokens=500,
    temperature=0.7,
)

3.1.4 规范输出（非必须）

一般会用另一个大模型来规范前一个大模型的输出，但并非必要。

def output_parser(output: str):
    parser_model = ChatOpenAI(
        model = 'moonshot-v1-32k',
        temperature=0.8,
        openai_api_base = "https://api.moonshot.cn/v1"
    )
    message = "你需要润色这段文字:`{text}`"
    return parser_model.invoke(message.format(text=output))

3.2 用户输入

先把问题中的输入部分修改即可：

prompt_template = ChatPromptTemplate.from_messages(
    [
        ("system", "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"),
        ("human", "{food}怎么样？")
    ]
)

3.3 连接步骤

用 langchain 连接步骤非常简单，用 | 符号就行了：

chain = prompt_template | model

# 若加入规范输出的部分，代码如下
# chain = prompt_template | model | output_parser

3.4 循环输入

利用 while True 进行用户循环输入，非常简单不是吗？

while True:
    food = input("你想点评什么：")
    answer = chain.invoke(input = {'food': food})
    print(answer.content)

这下再来看看结果吧！

真的是太 NICE 了！

3.5 全部代码

from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate

load_dotenv()

prompt_template = ChatPromptTemplate.from_messages(
    [
        ("system", "你是一个美食家，你要为用户说的美食写一段有文采的点评词，精简一点，100字以内。"),
        ("human", "{food}怎么样？")
    ]
)

model = ChatOpenAI(
    model="moonshot-v1-32k",
    openai_api_base="https://api.moonshot.cn/v1",
    max_tokens=500,
    temperature=0.7,
)

chain = prompt_template | model
while True:
    food = input("你想点评什么：")
    answer = chain.invoke(input = {'food': food})
    print(answer.content)

4 总结

我们成功通过调用 API 实现了一个本地的定制机器人，感觉如何？

文章如有疏漏，欢迎提出！如果对你有帮助的话，别忘 点赞收藏?

下期再见！

显示全文

全部栏目