微信和chatgpt

这个在另外一篇文章：微信接入chatgpt

背景

1. 最近一直都在忙做文本机器人的事情，所以就很少发公众号文章了。
2. 目前机器人的代码，已经全部发布在github上了。
3. 做机器人的目的：一方面是为了锻炼自己的代码能力，一方面也是因为自己想做一些有趣的时候。
4. 这个项目足够优雅，只需要python环境即可，就算是没有显卡也都行。而且即开即用，我也不喜欢安装太多的依赖包。

下面就是完整的介绍了。效果的话，也不介绍了，反正有点意思，这里放几个截图：

这里因为使用的是一个“怼人的知识库”导致返回的答案就很气人。
其实这里也可以换成别的知识库，都是可以的。都是通用的。

仓库地址：https://github.com/yuanzhoulvpi2017/questionAnswerSystem

介绍

本项目是在不借助数据库的情况下：

1. 基于pandas、numpy、pytorch实现数据的curd的（替代数据库的）
2. 基于transformers、sentence-transformers实现文本转向量的
3. 基于fastapi对外暴露接口的
4. 问答机器人。

目的

1. 实现一个问答机器人（基于sbert来做）其实是想做搜索，其实我感觉nlp和搜索也都差不多，都是策略问题。
2. 不依赖数据库，实现数据管理的crud。
3. 希望依靠numpy、fastapi能做一个拥有redis功能的数据库（听起来很可笑，我自己也觉得肯定是不可能的，我就是想试一试，提高代码能力）。
4. 在实现的过程中，我希望把整个nlp问答机器人的数据流都打通。数据流打通，至于用什么数据库之类的，都是小事情。

实现的功能有什么

1. crud中的R功能，也就是Read。或者干脆就叫搜索吧。起码要有搜索功能
2. crud中的c功能，也就是Create。对应到一个完整的问答机器人，也就是：创建知识条目
3. crud中的u功能，也就是update。对应到这个项目里面，也就是：更新知识条目的答案、更新知识条目中相似问法
4. crud中的d功能，也就是delete。对应到这个项目里面，也就是: 删除知识条目、删除相似问法
5. 其实还有转换功能，实现文本转向量功能。
6. 还有计算相似度功能，主要是基于cos距离
7. 还有分组统计的功能，主要是使用mrr来计算。

缺点

1. 没有考虑并发，但其实一般1秒处理100条，基本上不是问题。
2. 应该有很多缺点，大家可以提issue给我。

数据结构

一个完整的知识库中的条目，起码要有这三个部分：

1. 标题：这个知识库的标题是什么。一般来说都是文本。
2. 答案：这个是要返回的结果，或者叫答案。一般是文本，有的是接口，我这里不管了，都是文本。
3. 相似问法：相似问法是对标题的补充，尽可能覆盖用户会提问的语句内容。
4. 其实还有别的，比如条目类型、创建时间等，我这里有的就省略了。

我这里采用标题和相似问法剥离的处理方式。把他们分为两个表：

程序上的中间表

1. 标题表（pandas保存）

维度有：

1. 标题:title
2. 答案:answer
3. 创建时间:create_time
4. 修改时间:modify_time
5. rep_id:和相似问法表关联
6. 状态:status_question: 0代表关闭，1代表激活

2. 相似问法表（pandas保存）

维度有：

1. rep_id:和标题表问法关联
2. 相似问法:similarity
3. 创建时间:create_time
4. 修改时间:modify_time
5. 状态: status_similar: 0代表关闭，1代表激活
6. 索引:sim_index

还有两个表：

1. 相似问法的向量：对相似问法做encoding，保存为numpy向量
2. 标题的向量：对标题做encoding，保存为numpy向量

硬件要求。

这个对硬件要求不高。唯一要求就是，起码内存要16G以上。

常规版本：

我的MacBook pro 16寸的（内存16G，无cuda）

高配版本：

1. cpu：12700
2. 内存：64G
3. 显卡：nvidia-3090
4. ubuntu-22.04

运行

step0 安装包

按照requirements.txt的指导，安装对应的包。基本上都是nlp开发者经常用到的包，不需要特别注意

step1 开启向量引擎后台

backend_new.py是整个问答机器人的核心。这个能运行即可。需要等待一段时间，有加载模型数据和初始化知识库的步骤。

细节部分：

1. 对外端口是8010。想要切换的话，直接在代码最后面修改即可。用的就是fastapi，熟悉fastapi的用户，随便怎么改都可以。
2. 等全部的都加载完全之后，在浏览器里面打开：http://0.0.0.0:8010/docs 就能看到所以的暴露接口了。

step2 如何查询

如何把这个向量搜索引擎用起来呢？可以看看front_search.ipynb文件，这里会教你如何查询一个文本，并且提取结果。

step3 如何管理知识库

在文件front_admin.ipynb里面，你可以看到这些内容：

1. 如何创建知识条目
2. 如何删除条目
3. 如何删除相似问法
4. 如何更新答案
5. 如何增加相似问法

知识库如何导出

因为你的一切修改，都是在内存里面，如果你的程序结束，那么所有的内容都会消失。比如你维护的知识条目。这个也考虑到了。在http://0.0.0.0:8010/docs
你可以看到一个叫saved2f接口，运行一下，就会把你的条目放在文件夹QADIR里面，一个是相似问法的表，一个是标题的表。

如何做微信机器人

1. 目前还在开发微信机器人，就是类似于在群里面聊天的，等后面整理好代码，都会分享出来～