Chatbot Long Short Term Memory
1.0.0
يحتوي هذا المستودع على chatbot متقدم تم إنشاؤه باستخدام API Openai الذي يعزز الذاكرة طويلة الأجل ، والمنطق المتقدم ، والتضمينات ، وقواعد البيانات لتوفير تجربة مستخدم فريدة حقًا. على عكس chatbots التقليدية التي تستجيب ببساطة لإدخال المستخدم بناءً على القواعد أو البرامج النصية المحددة مسبقًا ، يمكن أن يتذكر chatbot ما قلته في المحادثات السابقة والبناء على هذه المعرفة لتوفير استجابات أكثر تخصيصًا وذات صلة.
تعني إمكانيات المنطق المتقدمة في ChatBot أيضًا أنها تستطيع التعامل مع محادثات أكثر تعقيدًا وتوفير استجابات أكثر دقة ، مما يجعلها تشعر أنك تتحدث مع شخص حقيقي. بالإضافة إلى ذلك ، يستخدم chatbot التضمينات وقواعد البيانات لتحقيق ذاكرة طويلة المدى ، مما يسمح لها بالاحتفاظ بالمعلومات من المحادثات السابقة واستخدام هذه المعلومات لإبلاغ التفاعلات المستقبلية.
لضمان تجربة مستخدم آمنة ، يتضمن chatbot أيضًا مصادقة Know-Customer (KYC) من خلال تسجيل الدخول إلى Google. تتحقق هذه الميزة من هوية المستخدمين وتساعد على منع الاحتيال وسوء المعاملة.
واحدة من الميزات الرئيسية لهذا chatbot هي المطالبات المرنة. على سبيل المثال ، تم تصميم المطالبة الافتراضية لجعل chatbot يتصرف كمدرس إيطالي ، ولكن يمكنك بسهولة تعديل المطالبة لتناسب أي حالة استخدام أخرى لديك. هذا يجعل chatbot متعددة الاستخدامات للغاية وقابلة للتكيف مع مجموعة واسعة من حالات الاستخدام.
يستخدم أحدث طراز (GPT-3.5-TURBO) من Openai API لمعالجة اللغة الطبيعية المتقدمة
تم تحقيق ذاكرة طويلة الأجل من خلال التضمينات وقواعد البيانات
تسمح المطالبات المرنة بتخصيص سهل لتناسب أي حالة استخدام
تتيح القدرات المنطقية المتقدمة محادثات أكثر تعقيدًا والاستجابات الدقيقة
تضمن مصادقة KYC من خلال تسجيل الدخول إلى Google تجربة مستخدم آمنة
يمكن دمجها بسهولة في التطبيقات والمنصات المختلفة
إذا كنت تبحث عن chatbot تتجاوز البرامج النصية والقواعد البسيطة ، ويمكن أن توفر تجربة مستخدم أكثر تخصيصًا وجذابة مع الحفاظ أيضًا على أمان معلومات المستخدم ، فإن chatbot التي تعمل بالنيابة هذه مع ذاكرة طويلة الأجل ، والمنطق المتقدم ، ومصادقة KYC هي الحل الأمثل!
لاستخدام chatbot ، ستحتاج أولاً إلى استنساخ هذا المستودع إلى جهازك المحلي. يمكنك القيام بذلك عن طريق تشغيل الأمر التالي في المحطة الخاصة بك:
git clone https://github.com/FaustoNisida/AI-Chatbot-Long-Term-Memory thefolderofyourchoise
cd thefolderofyourchoise
بعد ذلك ، ستحتاج إلى تثبيت جميع التبعيات لتطبيقات العميل والخادم. للقيام بذلك ، انتقل أولاً إلى دليل العميل في المحطة الخاصة بك:
cd client
ثم ، قم بتشغيل الأمر التالي لتثبيت تبعيات العميل:
npm install --force
لاحظ أن علامة -القوة قد تكون ضرورية إذا واجهت أي أخطاء أثناء عملية التثبيت.
بعد ذلك ، انتقل إلى دليل الخادم في المحطة الخاصة بك:
cd ../server
ثم ، قم بتشغيل الأمر التالي لتثبيت تبعيات الخادم:
npm install
بعد تثبيت التبعيات ، ستحتاج إلى إنشاء ملف .env في كل من أدلة العميل والخادم التي تحتوي على المتغيرات البيئية التالية:
OPENAI_API_KEY=<youropenaiapikey>
قم بإنشاء مفتاح Openai الخاص بك هنا
API_KEY=<yourcustomapikeyforaccessingtheserver>
يمكنك وضع أي كلمة مرور أو مفتاح اختيارك في حقل API_KEY .
VITE_Api_Key=<yourcustomapikeyforaccessingtheserver>
VITE_Google_Client_id=<yourgoogleclientid>
قم بإنشاء مشروع ثم معرف عميل Google هنا
لضمان تكوين معرف عميل Google الخاص بك بشكل صحيح ، من الضروري تضمين الأصول التالية أثناء عملية الإنشاء:
أصول JavaScript المعتمدة:
URIS المعتمدة:
في حقل VITE_Api_Key عليك وضع نفس كلمة المرور أو المفتاح الذي وضعته في متغير enviromental API_KEY
أنت الآن مستعد لاستخدام التطبيق
افتح نافذة طرفية.
انتقل إلى دليل الخادم عن طريق تشغيل cd server .
ابدأ الخادم عن طريق تشغيل Command npm run server .
يعمل الخادم الآن على http: // localhost: 3000
بشكل افتراضي ، تم إعداد chatbot ليتصرف كمدرس إيطالي. ومع ذلك ، يمكنك بسهولة تعديل موجه لتناسب أي حالة استخدام أخرى لديك في الاعتبار. ما عليك سوى تحرير المطالبة في السطر 97 من ملف index.js في دليل الخادم لتضمين المطالبة المطلوبة .
افتح نافذة طرفية ثانية ، دون إغلاق المحطة حيث تقوم حاليًا بتشغيل العميل .
انتقل إلى دليل العميل عن طريق تشغيل cd client .
ابدأ العميل عن طريق تشغيل الأمر npm run dev .
يتم تشغيل العميل والخادم الآن ويمكنك الوصول إلى التطبيق من خلال زيارة http: // localhost: 5173 في متصفح الويب الخاص بك.
استمتع بالاستخدام!
يوصى بتخزين التضمينات والمدخلات والمخرجات المرتبطة بتلك الموجودة في قاعدة بيانات تدعم البحث المتجه ، مثل Weaviate أو Pinecone. بينما يمكن استخدام ملفات JSON المحلية (كما كنت في هذا المشروع من أجل الوقت) كقاعدة بيانات للمشاريع الصغيرة أو النماذج الأولية ، من الأفضل استخدام قواعد البيانات المتخصصة عند التعامل مع التضمينات والبيانات المرتبطة بها.
من خلال تخزين التضمينات والبيانات المرتبطة بها في قاعدة بيانات بحث المتجهات ، يمكنك بسهولة البحث واسترداد المعلومات ذات الصلة عند الحاجة ، دون الحاجة إلى الاعتماد على استعلامات قاعدة البيانات الأكثر تعقيدًا وأبطأ. يمكن أن يحسن هذا بشكل كبير السرعة الكلية وكفاءة chatbot ، مما يؤدي إلى تجربة مستخدم أفضل.
ضع في اعتبارك أنه على الرغم من أن قواعد البيانات هذه يمكن أن توفر فوائد كبيرة ، إلا أنها قد تتطلب أيضًا إعدادًا وصيانة إضافية مقارنة بقواعد البيانات التقليدية. ضع في اعتبارك احتياجاتك ومواردك المحددة قبل اتخاذ قرار استخدام قاعدة بيانات بحث متجه.
إذا كنت ترغب في المساهمة في هذا المشروع ، فلا تتردد في تقديم طلب سحب مع التغييرات المقترحة. نرحب بجميع المساهمات ، بما في ذلك إصلاحات الأخطاء ، والميزات الجديدة ، والتحسينات في الوثائق.
إذا كان لديك أي أسئلة أو تعليقات حول هذا المشروع ، فلا تتردد في التواصل معنا:
نود أن نسمع منك وسعدنا المساعدة في أي مشكلات قد تواجهها.
