ChatBard
1.0.0
Die Apps nutzen generative KI und Large Language Models ( LLM ), insbesondere PaLM2-APIs .
Erstes Beispiel: Flutter App / Drat
Zweites Beispiel: Flask App / Python
3.Drittes Beispiel: Demo über Gradio in Colab Notebook
Ich freue mich, dass Google Cloud Tech meine Arbeit an ChatBard hervorgehoben hat! Kurz nach der Veröffentlichung von PaLM2 erkannten sie mein Projekt als herausragendes Beispiel und twitterten sogar über ihren offiziellen Account darüber. Ich bin dankbar für ihre Unterstützung und freue mich darauf, die Erkundung fortzusetzen.
Lesen Sie den Tweet von Google Cloud Tech
ChatBard ist eine intelligente Kundenservice-Center-App, die auf generativer KI und großen Sprachmodellen ( LLM ) unter Verwendung von PaLM2-APIs basiert. ?
Diese Demo der Flutter-App soll Sie inspirieren und zeigen, wie ChatBard den Kundensupport revolutionieren kann. Es bietet eine Chat-Schnittstelle, über die Benutzer mit einem Chatbot interagieren können, um Fragen zu stellen und Antworten zu erhalten. Die App nutzt generative KI und große Sprachmodelle (LLMs), insbesondere PaLM2-APIs, um Benutzernachrichten zu verstehen und intelligent darauf zu reagieren. Die Demo-App analysiert den Kontext und die bereitgestellten Beispiele, um präzise reagieren zu können, was sie zu einem unschätzbar wertvollen Werkzeug für jedes Kundendienstzentrum macht.
ChatBard kann leicht an die Art Ihres Unternehmens angepasst werden. Durch Ändern des Kontexts und der Beispiele können Sie die Antworten des Chatbots an Ihre spezifischen Geschäftsanforderungen und Kundeninteraktionen anpassen.
Screenshots der App veranschaulichen ihre Funktionalität, einschließlich der Aufzeichnung von Gesprächen mit Kunden und der Bereitstellung zusammengefasster, in Firebase gespeicherter Aufzeichnungen. Es bietet sowohl Englisch- als auch Arabisch-Sprachunterstützung. Beachten Sie, dass es sich hierbei um eine in dieser App entwickelte Funktion handelt, indem eine benutzerdefinierte REST-API für die Übersetzung erstellt wird. PaLM2 und Bard befinden sich noch in der Entwicklung und unterstützen die arabische Sprache noch nicht.
Der ChatBard antwortet auf Kundenanfragen basierend auf den ihm zugeführten Informationen in Form von Kontext und Beispielen. Anschließend fasst es die Konversation zusammen und speichert die Zusammenfassung in der Datenbank in Firebase.
Zu den Hauptfunktionen von ChatBard gehören:
Hier sind einige Screenshots der App:
Ein Gespräch mit dem Kunden. Nach Beendigung des Gesprächs wird es zusammengefasst und in Firebase gespeichert.
Arabic Bard in einem Gespräch mit dem Kunden, und nachdem das Gespräch beendet ist, wird es zusammengefasst und in Firebase gespeichert. 
Auf Android-Mobilgeräten: Eine Konversation mit dem Kunden, und nachdem die Konversation beendet ist, wird sie zusammengefasst und in Firebase gespeichert. 
Auf Android-Mobilgeräten: Arabic Bard in einem Gespräch mit dem Kunden, und nachdem das Gespräch beendet ist, wird es zusammengefasst und in Firebase gespeichert.
Stellen Sie vor dem Ausführen der App sicher, dass Sie über Folgendes verfügen:
Befolgen Sie diese Schritte, um mit der App zu beginnen:
flutter pub get im Projektverzeichnis aus, um Abhängigkeiten zu installieren.flutter run lib/main.dart aus. Um die App an die Art Ihres Unternehmens anzupassen, können Sie die folgenden Variablen in der Datei examples.dart ändern:
context : Diese Variable repräsentiert den Kontext und Umfang Ihres Unternehmens. Aktualisieren Sie es mit einer kurzen Beschreibung, die den Zweck und die Domäne Ihres Kundendienstzentrums widerspiegelt.
examples : Diese Variable enthält Beispielgespräche, die wichtige Informationen enthalten, die für Ihr Unternehmen relevant sind. Diese Beispiele helfen dabei, das Chatbot-Modell zu erlernen, um Benutzeranfragen zu verstehen und genau darauf zu reagieren.
Indem Sie die context und examples mit relevanten Informationen aktualisieren, können Sie die Antworten des Chatbots an die spezifischen Anforderungen und Kundeninteraktionen Ihres Unternehmens anpassen.
Fühlen Sie sich frei, andere Teile des Codes oder der Benutzeroberfläche an Ihre Bedürfnisse anzupassen.
Hier sind einige Screenshots der App:
Eine einfache Benutzeroberfläche für die Konversation mit den Kunden
Wenn Sie auf die Schaltfläche „Zusammenfassen“ klicken, wird die Zusammenfassung unten angezeigt
Dies ist eine Schritt-für-Schritt-Anleitung zur Bereitstellung einer Python-basierten REST-API in Cloud Run. Die Anleitung folgt den Anweisungen in der offiziellen Cloud Run-Dokumentation hier.
Um mit den bereitgestellten API-Endpunkten zu interagieren, finden Sie deren Informationen unten.
Dieser Endpunkt ermöglicht Ihnen eine Konversation mit dem englischen Chat-Bard-Modell.
<Your URL>/chat{
"message" : " User's message in English "
}{
"response" : " Response from the English Chat Bard model "
}Dieser Endpunkt generiert eine Zusammenfassung einer Konversation zwischen einem Kunden und dem English Chat Bard-Modell.
<Your URL>/summary{
"content" : " Conversation content in English "
}{
"response" : " Summary of the conversation in English "
}Dieser Abschnitt enthält Endpunkte im Zusammenhang mit dem Arabic Chat Bard-Modell.
Dieser Endpunkt ermöglicht Ihnen eine Konversation mit dem arabischen Chat-Bard-Modell.
<Your URL>/chat_ar{
"message" : " User's message in Arabic "
}{
"response" : " Response from the Arabic Chat Bard "
}Dieser Endpunkt generiert eine Zusammenfassung eines Gesprächs zwischen einem Kunden und dem arabischen Chat-Barden.
<Your URL>/summary_ar{
"content" : " Conversation content in Arabic "
}{
"response" : " Summary of the conversation in Arabic "
}Dieser Endpunkt übersetzt englischen Text ins Arabische.
<Your URL>/en2ar{
"response" : " English text to be translated "
}{
"response" : " Translated Arabic text "
}Dieser Endpunkt übersetzt arabischen Text ins Englische.
<Your URL>/ar2en{
"response" : " Arabic text to be translated "
}{
"response" : " Translated English text "
}Google Colab ist eine leistungsstarke Online-Plattform und einfach zu bedienen. Es bietet eine einfache und bequeme Möglichkeit, Code zu demonstrieren, Tutorials zu erstellen und Demos zu überprüfen. Werfen Sie einen Blick darauf
Eine einfache Demo über Gradio in Colab
| Workshop-Titel | Folien | Beispiele |
|---|---|---|
| Praktische Arbeit mit der PaLM2-API zur Erstellung intelligenter Apps | Folien |
Beiträge zur App sind willkommen! Wenn Sie Probleme feststellen oder neue Funktionen hinzufügen möchten, können Sie gerne eine Pull-Anfrage öffnen.
Die App wird unter der MIT-Lizenz veröffentlicht.
