如何写一个al聊天机器人

你等待收集整个订单，然后总结，并最后再次确认客户是否需要添加其他内容。如果是送货，你可以询问地址。最后，你收取支付款项。确保澄清所有选项、附加项和规格，以唯一地从菜单中识别出该项目。你以简短、非常口语化和友好的方式回应。菜单包括，然后这里我们有菜单。所以让我们回到我们的对话，看看助手是否遵循了指示。好的，助手问我们是否需要任何配料，这是我们在助手消息中指定的。所以我认为我们不需要额外的配料。其他东西……当然。我们还想再点点水吗？嗯，我们想要薯条。小的还是大的？这很好，因为我们在系统消息中要求助手澄清了附加项和辅菜。所以你已经有了想法，请随意尝试运行。你可以暂停视频，然后在左侧的笔记本中运行。现在我们可以要求模型创建一个基于对话而创建的可发送到订单系统的JSON摘要。因此，我们现在附加了另一个系统消息，这是一个指示，我们说要为之前的食品订单创建一个JSON摘要，详述每个项目的价格，字段应该是一个比萨、包括辅菜、两个配料列表、三个饮料列表、四个辅菜列表，最后是总价。你也可以在这里使用用户消息，这不一定是一个系统消息。所以让我们执行一下。请注意，在这种情况下，我们使用了一个较低的温度，因为对于这些任务，我们希望输出相当可预测。对于一个会话代理，你可能想要使用一个更高的温度，但在这种情况下，我也可能使用一个较低的温度，因为对于客户助手聊天机器人，你可能也希望输出看起来更可预测。所以在这里我们有我们订单的摘要，如果我们想的话，我们可以将它提交给订单系统。所以我们完成了，你已经建立起了自己的订单聊天机器人。你可以自由地对其进行定制，并玩弄系统消息，以改变聊天机器人的行为，并使其表现为具有不同知识的不同人物。

1.重点来了，在刚刚复制的docker-compose.yml文件中，我们需要修改一下里面的具体配置来串联我们的微信号和平台上已创建好的AI机器人。这个配置的参考官方来源是这里：https://docs.link-ai.tech/cow/quick-start/config，当然我把主要的配置解释先给大家看一下：2.从配置参数解释可以看到，其实配置里面的每个参考的名称的全大写描述，比如open_ai_api_key对应编排模板的OPEN_AI_API_KEY，model对应编排模板的MODEL，以此类推我们就可以在编排模板去配置具体的配置参数了。所以以下是我们最新的容器编排模板的配置参数（里面有'{{中文描述}}'的请大家替换为前面让大家预留好的对应值）：这里要留意下，在私聊或者群上交流时，最好都是需要加上一些前缀才触发机器人回复，比如我这里配置的是["bot","@bot"]，即对应的配置参数SINGLE_CHAT_PREFIX，你在私聊或者群里发消息，必须要包含bot或者@bot才会触发机器人回复。在群组里，对应配置参数是GROUP_CHAT_PREFIX，机器人只会回复群里包含@bot的消息。还有这个参数GROUP_NAME_WHITE_LIST，它是用来配置哪些群组的消息需要自动回复的，比如我这里配置的是["ChatGPT测试群","ChatGPT测试群2"]，即只有ChatGPT测试群和ChatGPT测试群2的群组消息才会自动回复。

使用大型语言模型的其中一个令人兴奋的方面是，您只需投入适量的努力即可使用它来构建自定义聊天机器人。ChatGPT是一个Web界面，通过它你可以使用大型语言模型进行会话，从而拥有一个交互式的聊天界面。但是，其中的一个很酷的功能是，您也可以使用大型语言模型来构建自定义的聊天机器人，为餐厅扮演AI客户服务代理或AI点餐员等角色。在这个视频中，您将学习如何自己做到这一点。我将更详细地描述OpenAI ChatCompletions格式的组件，然后您将自己构建一个聊天机器人。那么让我们开始吧。首先，我们将像往常一样设置OpenAI Python包。聊天模型（如ChatGPT）实际上是被训练成将一系列消息作为输入，并返回由模型生成的消息作为输出。虽然聊天格式旨在使此类多轮对话变得容易，但我们已经通过以前的视频看到，它对于没有对话的单一任务同样有用。下一步，我们将定义两个辅助函数。第一个是我们在所有视频中都使用的getCompletion函数。但是，如果你仔细看一下，我们给出了一个提示，但实际上在函数内部，我们是将这个提示放置到类似用户消息的消息中。这是因为ChatGPT模型是一个聊天模型，意味着它被训练成将一系列消息作为输入，然后返回一个由模型生成的消息作为输出。因此，用户消息是输入，而助手消息是输出。第二个辅助函数是generateResponse。这个函数将接受一个用户消息，并生成一个ChatGPT模型生成的相应助手消息。通过这两个函数，我们能够与AIGPT模型进行交互并生成对话。