使用Python和Gradio构建基于OpenAI GPT-4的AI聊天机器人

使用Python和Gradio构建基于OpenAI GPT-4的AI聊天机器人

聊天机器人已成为现代数字系统的基石，彻底改变了企业与用户互动及自动化工作流程的方式。它们能够提供即时、可扩展且个性化的沟通，同时减少人工干预的需求。随着人工智能和自然语言处理技术的发展，聊天机器人越来越能够高效且一致地处理复杂任务。

关键优势

• 用户体验提升：通过24/7全天候服务和一致的响应，提高客户满意度并减少服务延迟。
• 自动化与运营效率：管理常见问题解答、预约安排或交易处理等重复性任务，使人工代理能够专注于更具战略性的工作。
• 个性化：基于用户输入和行为调整响应，使交互更具吸引力和相关性。
• 可访问性：支持多种语言并提供语音接口，帮助残障用户。

教程内容

本教程将指导您创建ZapBot，一个基于OpenAI GPT-4模型和Gradio用户界面库的交互式聊天机器人。我们将逐步介绍以下内容：

1. 准备工作

   • 安装Python 3.8+
   • 获取OpenAI API密钥
   • 安装必要的Python库（openai和gradio）

2. 代码结构

   • OpenAI集成：通过API与GPT-4模型交互。
   • Gradio界面：创建基于Web的用户界面，包括聊天历史记录、输入文本框和发送按钮。
   • 样式设计：自定义CSS，打造现代深色主题界面。

3. 详细代码解析

   • 加载环境变量和安全存储API密钥。
   • 定义ask_openai函数，向GPT-4发送问题并获取响应。
   • 使用Gradio构建用户界面，包括聊天历史显示和输入控件。

4. 运行与部署

   • 启动Gradio应用并测试聊天机器人功能。

示例代码

import openai
import gradio as gr
from datetime import datetime
import os
from dotenv import load_dotenv

load_dotenv()
openai.api_key = os.getenv("OPENAI_API_KEY")

def ask_openai(question):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-4",
            messages=[
                {"role": "system", "content": "You are a funky and friendly assistant named ZapBot."},
                {"role": "user", "content": question}
            ],
            temperature=0.3,
            max_tokens=200
        )
        return response['choices'][0]['message']['content']
    except Exception as e:
        return f"Error: {str(e)}"

custom_css = """
body { background-color: #121212; color: #f0f0f0; }
h1, p { color: #00FFB3 !important; }
.gr-textbox textarea { height: 100px !important; font-size: 16px; }
"""

with gr.Blocks(css=custom_css) as demo:
    gr.HTML("""
    <h1>ZapBot: The Chat With a Spark!</h1>
    <p>Always ready to zap some answers your way</p>
    """)
    chatbot = gr.Chatbot(height=450)
    message = gr.Textbox(placeholder="Type your question here...", lines=4)
    send_btn = gr.Button("Send", size="lg")

    def respond(user_message, chat_history):
        if user_message.strip() == "":
            return "", chat_history
        bot_response = ask_openai(user_message)
        timestamp = datetime.now().strftime("%H:%M")
        chat_history.append((f"({timestamp})\n{user_message}", f"({timestamp})\n{bot_response}"))
        return "", chat_history

    send_btn.click(respond, inputs=[message, chatbot], outputs=[message, chatbot])
    message.submit(respond, inputs=[message, chatbot], outputs=[message, chatbot])

demo.launch(share=True)

总结

本教程为初学者提供了一个易于上手的AI聊天机器人构建指南，展示了如何通过少量代码集成强大的GPT-4模型。通过实践，您将掌握API集成、框架使用和交互式界面开发的基础技能。

Happy Coding!
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）
公众号二维码