Beranda>Terkait pemrograman>Kode sumber lainnya
Unduh

ChatBard: Aplikasi Pusat Layanan Pelanggan yang Cerdas

Aplikasi ini menggunakan AI Generatif dan Model Bahasa Besar ( LLM ) khususnya API PaLM2 .

Daftar isi:

  • ChatBard: Aplikasi Pusat Layanan Pelanggan yang Cerdas
  • Terima kasih Google Cloud Tech karena telah Menyorot Pekerjaan ini

  1. Contoh Pertama: Aplikasi Flutter / Drat

    • Bagaimana cara kerjanya?
    • Fitur
    • Tangkapan layar
    • Prasyarat
    • Memulai
    • Sesuaikan Aplikasi
    • Penggunaan

  2. Contoh Kedua: Aplikasi Flask / Python

    • Tangkapan layar
    • Menerapkan REST API di Cloud Run
    • Untuk Menggunakan Titik Akhir API Penerapan Saya
      • /mengobrol
      • /ringkasan
    • Penyair Obrolan Arab
      • /obrolan_ar
      • /ringkasan_ar
      • /en2ar
      • /ar2en

    3.Contoh Ketiga: Demo melalui Gradio di Colab Notebook

  • Berkontribusi
  • Lisensi
  • Sumber daya lebih lanjut

Terima kasih Google Cloud Tech karena telah Menyorot Pekerjaan ini

Senang karena Google Cloud Tech menyoroti pekerjaan saya di ChatBard! Segera setelah PaLM2 dirilis, mereka mengakui proyek saya sebagai contoh yang menonjol dan bahkan men-tweet tentang proyek tersebut dari akun resmi mereka. Saya berterima kasih atas dukungan mereka dan bersemangat untuk terus menjelajah.

Baca tweet Google Cloud Tech

Contoh Pertama: Aplikasi Flutter / Drat

ChatBard adalah aplikasi pusat layanan pelanggan cerdas yang didukung oleh AI Generatif dan model bahasa besar ( LLM ) menggunakan API PaLM2 . ?
Demo aplikasi Flutter ini dirancang untuk menginspirasi Anda dan menunjukkan bagaimana ChatBard dapat merevolusi dukungan pelanggan. Ini menyediakan antarmuka obrolan di mana pengguna dapat berinteraksi dengan chatbot untuk mengajukan pertanyaan dan mendapatkan jawaban. Aplikasi ini menggunakan AI generatif dan model bahasa besar (LLM), khususnya API PaLM2, untuk memahami dan merespons pesan pengguna secara cerdas. Aplikasi demo menganalisis konteks dan contoh yang diberikan untuk merespons secara akurat, menjadikannya alat yang sangat berharga bagi pusat layanan pelanggan mana pun.
ChatBard dapat dengan mudah disesuaikan agar selaras dengan sifat bisnis Anda. Dengan mengubah konteks dan contoh, Anda dapat menyesuaikan respons chatbot dengan kebutuhan spesifik bisnis dan interaksi pelanggan Anda.
Tangkapan layar aplikasi menunjukkan fungsinya, termasuk merekam percakapan dengan klien dan menyediakan catatan ringkasan yang disimpan di Firebase. Ini menawarkan dukungan bahasa Inggris dan Arab. Perhatikan bahwa ini adalah fitur yang dikembangkan dalam aplikasi ini dengan membuat REST API khusus untuk terjemahan. PaLM2 dan Bard masih dalam pengembangan dan belum mendukung bahasa Arab.

Bagaimana cara kerjanya?

ChatBard merespons pertanyaan pelanggan berdasarkan informasi yang diberikan dalam konteks dan contoh. Kemudian merangkum percakapan dan menyimpan ringkasannya dalam database di Firebase.

Fitur

Fitur utama ChatBard meliputi:

  • Antarmuka obrolan yang ramah pengguna untuk komunikasi yang lancar.
  • ? Respons cerdas didukung oleh model PaLM2.
  • ? Mudah disesuaikan agar selaras dengan sifat bisnis Anda dengan mengubah konteks dan contoh.
  • ? Dukungan multi-bahasa (Inggris dan Arab).
  • Pelacakan dan tampilan riwayat obrolan secara real-time.
  • ? Meringkas dan menyimpan percakapan ke database Firebase untuk referensi di masa mendatang.

Tangkapan layar

Berikut beberapa screenshot aplikasinya:

Tangkapan layar 1
Percakapan dengan klien, dan setelah percakapan berakhir, diringkas dan disimpan di Firebase.

Tangkapan layar 2
Penyair Arab dalam percakapan dengan klien, dan setelah percakapan berakhir, diringkas dan disimpan di Firebase. Tangkapan layar 5
Di ponsel Android: Percakapan dengan klien, dan setelah percakapan berakhir, percakapan tersebut diringkas dan disimpan di Firebase. Tangkapan layar 6
Di ponsel Android: Penyair Arab dalam percakapan dengan klien, dan setelah percakapan berakhir, percakapan tersebut diringkas dan disimpan di Firebase.

Catatan: Ini adalah fitur yang dikembangkan dalam aplikasi ini dengan membuat REST API khusus untuk terjemahan. PaLM2 dan Bard masih dalam pengembangan dan belum mendukung bahasa Arab.

Prasyarat

Sebelum menjalankan aplikasi, pastikan Anda memiliki hal berikut:

  • Flutter SDK diinstal di mesin Anda.
  • Proyek Firebase yang valid dengan Firestore diaktifkan.
  • Kredensial API untuk API PaLM obrolan dan ringkasan teks yang digunakan dalam kode.

Memulai

Ikuti langkah-langkah berikut untuk memulai aplikasi:

  1. Kloning repositori ke mesin lokal Anda.
  2. Buka proyek di IDE atau editor pilihan Anda.
  3. Ganti kredensial API placeholder dalam kode dengan kredensial Anda yang sebenarnya.
  4. Perbarui konfigurasi Firebase dalam kode agar sesuai dengan proyek Anda.
  5. Jalankan flutter pub get di direktori proyek untuk menginstal dependensi.
  6. Hubungkan perangkat atau mulai emulator. Lewati langkah ini jika Anda lebih suka menggunakan browser web untuk menampilkan aplikasi.
  7. Jalankan aplikasi menggunakan flutter run lib/main.dart .

Sesuaikan Aplikasi

Untuk menyesuaikan aplikasi sesuai dengan sifat bisnis Anda, Anda dapat mengubah variabel berikut dalam file examples.dart :

  1. context : Variabel ini mewakili konteks dan cakupan bisnis Anda. Perbarui dengan deskripsi singkat yang mencerminkan tujuan dan domain pusat layanan pelanggan Anda.

  2. examples : Variabel ini berisi contoh percakapan yang menyertakan informasi penting yang relevan dengan bisnis Anda. Contoh-contoh ini membantu mempelajari model chatbot untuk memahami dan merespons pertanyaan pengguna secara akurat.

Dengan memperbarui variabel context dan examples dengan informasi yang relevan, Anda dapat menyesuaikan respons chatbot agar selaras dengan kebutuhan spesifik bisnis Anda dan interaksi pelanggan.

Jangan ragu untuk memodifikasi bagian lain dari kode atau antarmuka pengguna untuk memenuhi kebutuhan Anda.

Penggunaan

  1. Luncurkan aplikasi di perangkat atau emulator.
  2. Masukkan pesan Anda dalam input teks di bagian bawah layar dan tekan enter.
  3. Aplikasi akan mengirimkan pesan Anda ke API chatbot dan menampilkan respons di antarmuka obrolan.
  4. Lanjutkan percakapan dengan memasukkan lebih banyak pesan.
  5. Untuk meringkas dan menyimpan sesi obrolan, klik tombol tindakan mengambang "Ringkas dan Simpan".

Contoh Kedua: Aplikasi Flask / Python

Tangkapan layar

Berikut beberapa screenshot aplikasinya:

Tangkapan layar 3
UI sederhana untuk percakapan dengan klien

Tangkapan layar 7
Jika tombol Ringkas diklik, ringkasan akan muncul di bagian bawah

Menerapkan REST API di Cloud Run

Ini adalah panduan langkah demi langkah untuk men-deploy REST API berbasis Python di Cloud Run. Panduan ini mengikuti petunjuk yang diberikan dalam dokumentasi resmi Cloud Run di sini.

Untuk Menggunakan Titik Akhir Deployment API

Untuk berinteraksi dengan titik akhir API yang diterapkan, informasinya di bawah.

/mengobrol

Titik akhir ini memungkinkan Anda melakukan percakapan dengan model English Chat Bard.

Titik akhir

  • URL: <Your URL>/chat
  • Metode: POSTING

Minta Muatan 

{
    "message" : " User's message in English "
}

Muatan Respons 

{
    "response" : " Response from the English Chat Bard model "
}

/ringkasan

Titik akhir ini menghasilkan ringkasan percakapan antara pelanggan dan model English Chat Bard.

Titik akhir

  • URL: <Your URL>/summary
  • Metode: POSTING

Minta Muatan 

{
    "content" : " Conversation content in English "
}

Muatan Respons 

{
    "response" : " Summary of the conversation in English "
}

Penyair Obrolan Arab

Bagian ini mencakup titik akhir yang terkait dengan model Obrolan Arab Bard.

/obrolan_ar

Titik akhir ini memungkinkan Anda melakukan percakapan dengan model Obrolan Arab Bard.

Titik akhir

  • URL: <Your URL>/chat_ar
  • Metode: POSTING

Minta Muatan 

{
  "message" : " User's message in Arabic "
}

Muatan Respons 

{
  "response" : " Response from the Arabic Chat Bard "
}

/ringkasan_ar

Titik akhir ini menghasilkan ringkasan percakapan antara pelanggan dan Penyair Obrolan Arab.

Titik akhir

  • URL: <Your URL>/summary_ar
  • Metode: POSTING

Minta Muatan 

{
  "content" : " Conversation content in Arabic "
}

Muatan Respons 

{
  "response" : " Summary of the conversation in Arabic "
}

/en2ar

Titik akhir ini menerjemahkan teks bahasa Inggris ke bahasa Arab.

Titik akhir

  • URL: <Your URL>/en2ar
  • Metode: POSTING

Minta Muatan 

{
  "response" : " English text to be translated "
}

Muatan Respons 

{
  "response" : " Translated Arabic text "
}

/ar2en

Titik akhir ini menerjemahkan teks Arab ke bahasa Inggris.

Titik akhir

  • URL: <Your URL>/ar2en
  • Metode: POSTING

Minta Muatan 

{
  "response" : " Arabic text to be translated "
}

Muatan Respons 

{
  "response" : " Translated English text "
}

Contoh Ketiga: Demo melalui Gradio di Colab/Python

Google Colab adalah platform online yang kuat dan mudah digunakan. Ini memberikan cara sederhana dan nyaman untuk mendemonstrasikan kode, membuat tutorial, dan meninjau demo. Coba lihat

Tangkapan layar

Tangkapan layar 4
Demo sederhana melalui Gradio di Colab

Saya juga mempresentasikan workshop tentang netbook ini. Di sini Anda akan menemukan presentasinya

Judul Lokakarya Slide Contoh
Praktik langsung dengan API PaLM2 untuk membuat aplikasi pintar Slide

Berkontribusi

Kontribusi ke aplikasi dipersilakan! Jika Anda menemukan masalah atau ingin menambahkan fitur baru, silakan buka permintaan tarik.

Lisensi

Aplikasi ini dirilis di bawah Lisensi MIT.

Sumber Daya Lebih Lanjut

  • Google AI: PaLM2
  • Membangun aplikasi AI generatif
  • Dokumen Gen AI di Vertex AI
  • Dokumen AI Generatif untuk Pengembang
  • Repositori AI generatif
  • Python-docs-samples/generative_ai
  • Rekayasa Cepat yang Luar Biasa
  • LangChain untuk Google Cloud Platform Vertex AI PaLM
Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua