README_CN.md

LivCourse-聊天机器人

🇨🇳中文 | 🌐英文 | ❓问题

📝 简介

LivCourse-聊天机器人是一个基于知识图谱（KG）和大型语言模型（LLM）融合的关于利物浦大学课程聊天机器人，它结合了 LLM 和 KG 的优势，既能回答通用问题，也能回答特定领域的问题，例如有关利物浦大学课程模块的信息。

💡下图显示了部署后的聊天机器人演示

💫 特征

• 基于记忆： 模型可以理解用户之前问题的上下文，从而产生有时序性的输出
• 特定领域： 该模型可回答有关利物浦大学课程信息的具体问题
• 可扩展性： 开发人员可为模型学习添加额外的个性化语料库

下图展示了模型的结构：

在第一个模块中，大语言模型将把用户的原始问题与历史对话结合起来，生成一个经过处理的问题。

在第二个模块中，经过处理的问题将被发送给代理，代理将产生一连串的思考，以确定该问题属于哪个类别，并将其交给相应类别的函数，以生成最终答案

• Generic_func: 用于回答通用知识领域的问题，如问候语
• Retrival_func: 用于回答额外语料库中的问题，例如本项目中的校园体育馆信息
• Graph_func: 用于回答有关图数据库 neo4j 中存储的节点和关系的问题，如利物浦大学课程、学位、模块等
• Search_func: 用于在其他功能无法生成正确答案时，通过搜索引擎（Google）回答问题

🛠️ 快速开始

1. 安装依赖项

创建虚拟 conda 环境，激活并安装软件包：

conda create -n LivCourse python=3.9
conda activate LivCourse
pip install -r requirements.txt

2. 设置neo4j图形数据库

在其 网站 申请 OpenAI API 密钥。

进入.env文件，设置OPENAI_API_KEY、NEO4J_URI和NEO4J_PASSWORD。

运行以下代码在 neo4j 数据库中生成知识图谱：

python gen_kg.py

3. 使用 LangSmith 监控应用程序（可选）

访问 LangSmith 网站申请 API 密钥，并创建名为 LivCourse-ChatBot 的项目，配置连接 LangSmith 的环境。

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_ENDPOINT="https://api.smith.langchain.com"
export LANGCHAIN_API_KEY="<your langchain smith api>"
export LANGCHAIN_PROJECT="LivCourse-ChatBot"

4. 运行聊天机器人

python app.py

文件结构如下：

.
├── LICENSE
├── README.md
├── __pycache__
│   ├── agent.cpython-39.pyc
│   ├── config.cpython-39.pyc
│   ├── prompt.cpython-39.pyc
│   ├── service.cpython-39.pyc
│   └── utils.cpython-39.pyc
├── agent.py
├── app.py
├── config.py
├── data
│   └── db
│       ├── chroma.sqlite3
│       └── f4e6c6f1-3933-4325-b4d3-51ea2dceec57
│           ├── data_level0.bin
│           ├── header.bin
│           ├── length.bin
│           └── link_lists.bin
├── data_process.py
├── dataset
│   └── dataset.json
├── gen_kg.py
├── img
│   ├── demo.png
│   ├── diagram.png
│   └── diagram.svg
├── inputs
│   └── gym.txt
├── prompt.py
├── requirements.txt
├── service.py
└── utils.py

⚠️ 免责声明

本项目相关资源仅供学术研究使用，严禁用于商业用途。在使用涉及第三方代码的部分时，请严格遵守相应的开源协议。对于模型输出的任何内容，本项目不承担任何法律责任，也不承担因使用相关资源和输出结果而可能产生的任何损失。

🌟 支持

如果您喜欢这个项目，请不要忘记给这个仓库打上星✨。