Week2 day3 对话式 AI（聊天机器人） OpenAI API + Gradio

 

 

 

1. 环境准备

1. 导入依赖库：os、dotenv读取环境变量、openai调用大模型、gradio做网页聊天界面
2. 从 .env 文件读取 OPENAI_API_KEY，初始化 OpenAI 客户端，指定模型 gpt‑4.1‑mini
3. system_message：设定大模型的角色系统提示词。

2. Gradio ChatInterface 回调函数 chat(message, history)

• 参数：
  • message：用户当前输入消息
  • history：完整聊天历史记录
• 功能：接收用户消息 + 历史对话，组装消息传给大模型，返回模型回答，作为 Gradio 聊天界面的回调。

迭代 1：静态假回复

直接返回固定字符串，没有调用大模型，仅测试界面：

python

 

运行

 

 

def chat(message, history):
    return "bananas"

 

 

迭代 2：把用户输入和历史打印出来

只是把输入、历史拼接返回，依旧没有调用大模型，熟悉参数。

迭代 3：调用 OpenAI，完整一次性返回

1. 把 Gradio 的 history 转换成 OpenAI 接口要求的role/content格式
2. 组装消息列表：系统提示词 + 历史对话 + 当前用户提问
3. 调用 openai.chat.completions.create()，一次性拿到完整结果返回。

迭代 4：流式输出（重点）

增加 stream=True 开启流式传输，循环读取分片chunk，使用yield逐段把文字输出到前端，实现打字机效果。

3. 业务场景：服装店导购机器人（One‑shot Prompt 一次性提示）

修改system_message设定角色：服装店导购

1. 促销规则：帽子 4 折（60% off），其余大多商品 5 折；要委婉引导客户选购促销商品，给了回答示例，属于 one‑shot 提示。
2. 追加规则：客户问鞋子 → 告知鞋子不打折，继续引导看帽子。
3. 代码动态修改系统提示词：检测用户输入包含belt（腰带），动态追加提示：本店不卖腰带，推荐其他促销商品。

关键点：不是固定写死 system_message，可以根据用户输入动态拼接系统提示，实现简单业务逻辑。

整体流程总览

1. 加载密钥，初始化 OpenAI 客户端
2. 定义chat(message, history)回调：格式化历史 → 动态组装系统提示 → 调用流式 OpenAI 接口 → yield 分片输出回答
3. gr.ChatInterface 直接把函数挂载，一键启动网页聊天界面。

核心知识点

1. history 格式转换：Gradio 聊天历史需要转成 OpenAI 标准[{"role":"xxx","content":"xxx"}]消息格式。
2. stream 流式 + yield：实现打字机实时输出效果。
3. One‑shot Prompt：系统提示词中直接给回答示例，引导模型输出风格。
4. 动态 System Prompt：根据用户提问内容，运行时修改系统提示，实现简单业务分支判断。
5. Gradio ChatInterface快速搭建对话网页，不用写前端 HTML。

 

# Day 3 - Conversational AI - aka Chatbot!
import os
from dotenv import load_dotenv
from openai import OpenAI
import gradio as gr

# 加载环境变量 .env 文件
load_dotenv(override=True)
openai_api_key = os.getenv('OPENAI_API_KEY')

if openai_api_key:
    print(f"OpenAI API Key exists and begins {openai_api_key[:8]}")
else:
    print("OpenAI API Key not set")

# 初始化 OpenAI 客户端
openai = OpenAI()
MODEL = 'gpt-4.1-mini'

# 系统提示词：服装店导购机器人
system_message = """You are a helpful assistant in a clothes store. You should try to gently encourage \
the customer to try items that are on sale. Hats are 60% off, and most other items are 50% off. \
For example, if the customer says 'I'm looking to buy a hat', \
you could reply something like, 'Wonderful - we have lots of hats - including several that are part of our sales event.'\
Encourage the customer to buy hats if they are unsure what to get."""

# 追加规则：鞋子不打折，提醒看帽子
system_message += "\nIf the customer asks for shoes, you should respond that shoes are not on sale today, \
but remind the customer to look at hats!"


def chat(message, history):
    # 将gradio的history转为openai需要的消息格式
    history = [{"role": h["role"], "content": h["content"]} for h in history]

    relevant_system_message = system_message
    # 如果用户提到belt腰带，动态追加系统提示
    if 'belt' in message.lower():
        relevant_system_message += " The store does not sell belts; if you are asked for belts, be sure to point out other items on sale."

    # 拼装完整消息列表：系统提示 + 历史对话 + 当前用户消息
    messages = [{"role": "system", "content": relevant_system_message}] + history + [
        {"role": "user", "content": message}]

    # 开启流式输出 stream=True
    stream = openai.chat.completions.create(model=MODEL, messages=messages, stream=True)

    response = ""
    for chunk in stream:
        response += chunk.choices[0].delta.content or ''
        yield response


# 启动Gradio聊天网页界面
gr.ChatInterface(fn=chat, type="messages").launch()