7
【千帆SDK+Semantic-Kernel】多轮对话ChatBot
大模型开发/技术交流
- LLM
- API
- 大模型推理
2月6日7218看过
💡学习前小提示
请大家点击链接并加🌟：https://github.com/baidubce/bce-qianfan-sdk
Semantic Kernel
Semantic-Kernel（以下简称SK），是微软开源的一个大模型轻量开发框架，它抽象出了大语言模型应用中主要的几大概念：
-
Plugins/Skills：Function集合
-
Planner: 根据任务goal，skills等信息，生成任务计划
-
Memory: 保存历史任务状态数据
-
connectors：与数据库、LLM等组件交互组件
在实现上，SK主要围绕Plugin/Skill（Function集合）进行串联，把每一个功能函数/prompt配置等抽象成一个NativeFunction/SemanticFunction，以此实现更中度的功能集合，再将这些功能集合通过与LLM、数据库等组件进行交互，以实现LLM原生应用。
接下来我们以一个实际的案例来说明如何使用SK+千帆SDK以实现一个基于SK Plugin的多轮对话ChatBot.
前置准备
安装依赖：
本文基于semantic-kernel
0.4.5dev0版本，由于 SK持续迭代的原因，原来的Skill正在迁移成Plugin，如碰到不兼容问题请检查依赖版本。 使用以下命令可以安装我们所需要的qianfan以及semantic-kernel：
! pip install "qianfan>=0.3.0" -U! pip install semantic-kernel=='0.4.5.dev0'
与直接调用千帆SDK类似，我们需要先初始化鉴权(以下以使用IAM鉴权为例)：
import osos.environ["QIANFAN_ACCESS_KEY"] = "your_ak"os.environ["QIANFAN_SECRET_KEY"] = "your_sk"
初始化一个SK
kernel， kernel是 SK中的一个重要类型，通过Kernel，我们可以把众多Plugin，LLM，以及Memory等进行注册组合，最终实现一键式的规划调用。
import semantic_kernel as skkernel = sk.Kernel()
初始化兼容SK的千帆ChatCompletion service对象，并注册到kernel中： 对于续写场景，QianfanChatCompletion也实现了对应的抽象类方法，所以可以统一使用。
from qianfan.extensions.semantic_kernel.connectors.qianfan_chat_completion import QianfanChatCompletionqfchat = QianfanChatCompletion(ai_model_id="ERNIE-Bot")# 注册service_id 以及对应的service对象kernel.add_chat_service("qianfan", qfchat)# kernel.add_text_completion_service(# "qianfan_text", qfchat# )
定义一个PromptTemplate，以及调用大模型时候会用到的PromptTemplateConfig，基于prompt config我们可以构造出一个semantic function用于调用，并注册到kernel中：
sk_prompt = """你是一个ChatBot，可以跟用户产生多轮对话，并根据用户输入和历史对话进行输出{{$chat_history}}用户:> {{$user_input}}输出:>"""prompt_config = sk.PromptTemplateConfig.from_completion_parameters(temperature=0.7, top_p=0.4)prompt_template = sk.PromptTemplate(sk_prompt, kernel.prompt_template_engine, prompt_config)function_config = sk.SemanticFunctionConfig(prompt_config, prompt_template)chat_function = kernel.register_semantic_function("ChatBot", "Chat", function_config)
在以下代码中我们构造了了一个读取用户输入，并使用
sk.ContextVariables来处理历史对话消息。
async def chat(context_vars: sk.ContextVariables) -> bool:try:user_input = input("用户:> ")context_vars["user_input"] = user_inputexcept KeyboardInterrupt:print("\n\nExiting chat...")return Falseexcept EOFError:print("\n\nExiting chat...")return Falseif user_input == "exit":print("\n\nExiting chat...")return False# 在context中不断填充历史聊天记录answer = await kernel.run_async(chat_function, input_vars=context_vars)context_vars["chat_history"] += f"\用户:> {user_input}\nChatBot:> {answer}\n"print(f"ChatBot:> {answer}")return Truecontext = sk.ContextVariables()context["chat_history"] = ""
构造循环实现多轮对话：
async def main():chatting = Truewhile chatting:chatting = await chat(context)await main()
用户:>hiChatBot:> 你好，有什么我可以帮助你的吗？用户:>你是谁ChatBot:> 你好，我是一个ChatBot，我可以跟用户产生多轮对话，并根据用户输入和历史对话进行输出。请问你有什么需要帮助的吗？用户:>你知道baidu吗ChatBot:> 当然知道，Baidu是中国最大的搜索引擎之一。你想了解它的什么信息呢？用户:>它的历史ChatBot:> Baidu是由李彦宏在2000年创立的，是一家专注于搜索引擎技术的公司。它在中国拥有广泛的用户群体，并且提供各种搜索服务，如网页搜索、图片搜索、视频搜索等。如果你需要更多关于Baidu的信息，我很乐意为你提供帮助。Exiting chat...
评论
