规划一个聊天机器人

• 智能化完全于依托于GPT, 而产品化是我们需要考虑的事情
• 比如，如何去构建一个聊天机器人
• 聊天机器人它的处理逻辑其实非常的清晰
  • 我们输入问题调用 GPT
  • 然后，GPT 给我们生成回答就可以了
• 需要注意的是，聊天机器人不同于调用API进行一个简单的测试
• 我们和聊天机器人的对话，可能是多轮的一个对话
• 在这时候，我们去调用API的时候，就需要将我们多轮的问答都传递给GPT才行

新增一些实现类，结构如下

• 以下Java版代码来源于网络，可基于此逻辑，改造成其他编程语言

• src

  • main
    • java
      • com.xxx.gpt.client
        • util
          • ChatContextHolder.java
        • ChatBotClient.java
        • …
  • test
    • java
      • com.xxx.gpt.client.test
        • FunctionCallTest.java
        • …

ChatContextHolder.java

package com.xxx.gpt.client.util;import com.xxx.gpt.client.entity.Message;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;public class ChatContextHolder {private static Map<String, List<Message>> context = new HashMap<>();public static List<Message> get(String id) {// TODO  限制轮数，或者限制token数量List<Message> messages = context.get(id);if (messages == null) {messages = new ArrayList<>();context.put(id, messages);}return messages;}public static void add(String id, String msg) {Message message = Message.builder().content(msg).build();add(id, message);}public static void add(String id, Message message) {List<Message> messages = context.get(id);if (messages == null) {messages = new ArrayList<>();context.put(id, messages);}messages.add(message);}public static void remove(String id) {context.remove(id);}
}

• 这里需要来添加一个类，就是我们GPT的上下文的类
• 我们创建一个类，用于保存我们和GPT聊天的相关的 message
  • 实例化一个Map的对象, 里面的 key 是我们chat的一个id, 一个会话的id
  • 然后，对应的这个key就会有它的一个消息的列表，也就是一个message的list
  • 添加相关的方法
    • 比如说像get方法，根据我们的会话id，获取到所有的message
    • add方法，去对指定的会话id去添加message
    • remove方法, 去删除message
  • 这是我们的上下文处理的类

ChatBotClient.java

package com.xxx.gpt.client;import com.xxx.gpt.client.entity.Message;
import com.xxx.gpt.client.listener.ConsoleStreamListener;
import com.xxx.gpt.client.util.ChatContextHolder;
import com.xxx.gpt.client.util.Proxys;
import lombok.SneakyThrows;
import lombok.extern.slf4j.Slf4j;import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.Proxy;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.UUID;
import java.util.concurrent.CountDownLatch;
import java.util.stream.Collectors;@Slf4jpublic class ChatBotClient {public static Proxy proxy = Proxy.NO_PROXY;public static void main(String[] args) {System.out.println("ChatGPT - Java command-line interface");System.out.println("Press enter twice to submit your question.");System.out.println();System.out.println("按两次回车以提交您的问题！！！");String chatUuid = UUID.randomUUID().toString();String key = "sk-adfas";proxy = Proxys.http("127.0.0.1", 7890);while (true) {String prompt = getInput("\nYou:\n");ChatGPTStreamClient chatGPT = ChatGPTStreamClient.builder().apiKey(key).proxy(proxy).build().init();System.out.println("AI: ");// 卡住CountDownLatch countDownLatch = new CountDownLatch(1);Message message = Message.of(prompt);ChatContextHolder.add(chatUuid, message);ConsoleStreamListener listener = new ConsoleStreamListener() {@Overridepublic void onError(Throwable throwable, String response) {throwable.printStackTrace();countDownLatch.countDown();}};listener.setOnComplate(msg -> {ChatContextHolder.add(chatUuid, Message.ofAssistant(msg));countDownLatch.countDown();});chatGPT.streamChatCompletion(ChatContextHolder.get(chatUuid), listener);try {countDownLatch.await();} catch (InterruptedException e) {e.printStackTrace();}}}@SneakyThrowspublic static String getInput(String prompt) {System.out.print(prompt);BufferedReader reader = new BufferedReader(new InputStreamReader(System.in));List<String> lines = new ArrayList<>();String line;try {while ((line = reader.readLine()) != null && !line.isEmpty()) {lines.add(line);}} catch (IOException e) {e.printStackTrace();}return lines.stream().collect(Collectors.joining("\n"));}
}

• 它的实现其实也比较简单
  • 第一步，需要等待用户输入，用户输入完成之后，调用GPT
    • 添加一下相关的我们的 API KEY 和 proxy
    • getInput 去接收用户输入
  • 第二步，需要保存多轮会话
    • 我们是多轮会话，我们这里写一个循环在前面
    • chatUuid 是我们用于标识会话的id
  • 第三步，为了效果更好，更加顺畅，采用流式的方式
    • 创建一个 StreamClient 去调用GPT的 API
    • 调用完成进行输出

测试

• 完成之后，可以测试一下
  • 程序等待我们的输出，我们去询问一下: “你是谁?”
  • 这里需要敲两次回车进行确认
• 调用之后，我们获取到了 GPT 它的返回的结果
  • 然后，我们问: “请介绍一下ChatGPT”
  • GPT生成了相关的答案
• 在这次问答当中，也能看到流式Client的一个效果
• 整体上和我们通过界面去访问GPT是没有什么区别的
• 假如说，我们现在再问: “这是我的第几个问题?”
  • 理论上讲，这是我们本轮会话的第三个问题
  • 由于我们没有在刚刚的调用里面, 去关联我们会话上下文的信息
  • 这样，GPT会回答: “这是第3个问题”
• 将会话的上下文信息传递给 GPT, 就可以去结合这些上下文的信息，给予我们比较精确的一个答案
  • 这是我们在构造一个聊天机器人的时候和前面测试所不一样的，需要我们注意的地方
  • 但是在这里，其实就会有一个问题就是token的问题。
  • GPT它的模型对于 token 是有限制的
• 如果我们一轮轮会话的叠加，最终我们的token, 一定会超过模型它本身的token
  • 所以在上下文的管理类里面，我们这里是需要去进行处理
• 上述问题如何处理？
  • 方案一就是保留最近一轮的会话轮数，比如只保留最近五轮
    • 对于历史的消息，不再保存，不再发送给GPT这样，可以达到小于指定token数量的目的
    • 但是当我们一轮的消息比较长的话，也有可能会超过token的阈值
  • 方案二，就是在方案一的基础之上，我们不再以单纯会话的轮数去做一个迭代
    • 这里，根据计算后的token的数量，去进行判断
    • 如果小于模型的 max_token，我们就保留相关的这些会话
    • 如果大于，我们就要去做相关消息的一个删减
  • 目前并未实现，可在上述 ChatContextHolder.java 类中进行实现