基于 DeepSeek 构建聊天机器人
基于 DeepSeek 构建聊天机器人
前言
本文主要介绍如何基于 DeepSeek 来创建一个聊天机器人。首先介绍 PromptTemplate 提示模版t,它作为设计对话流的基础,能够极大提升用户体验。接着,深入 DeepSeek 环境准备及模型创建过程,包括获取API、创建和配置 API Key、设置 base_url 以及选择合适的模型等步骤。基于 Langchain 框架,将介绍如何通过 MessagesPlaceholder 处理复杂的多轮对话,构建 Chain 保存对话历史,并了解 RunnableWithMessageHistory 对象的实现流式输出,并通过示例代码演示整个流程的实际运行效果。
备注:本系列文章基于B站课程: 马士兵-AI大模型全套教程(学习路线+LLM大语言模型+RAG实战+Langchain+ChatGLM-4+Transformer+DeepSeek) 学习整理得到。
1、使用 PromptTemplate 提示模板
Langchain 给我们提供了一个提示词模板 ChatPromptTemplate,它用来帮助我们去构建提示词。可以先简单的理解为 python 的字符串拼接的模板
定义提示模版:
from langchain_core.prompts import ChatPromptTemplate
prompt_template = ChatPromptTemplate.from_messages(
[("system", '请将以下的内容翻译成{language}'), ("user", "{text}")]
)
完整使用代码及运行结果:
import os
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
os.environ["OPENAI_API_KEY"] = "DEEPSEEK_API_KEY"
# 1、创建模型
model = ChatOpenAI(
model='deepseek-chat',
base_url="https://api.deepseek.com/v1"
)
# 2、定义提示模版
prompt_template = ChatPromptTemplate.from_messages(
[("system", '请将以下的内容翻译成{language}'), ("user", "{text}")]
)
# 3、创建返回的数据解析器
parser = StrOutputParser()
# 4、创建链chain
chain = prompt_template | model | parser
# 5、直接使用chain进行调用
result = chain.invoke({
"language": "English", "text": '我下午还有一节课,不能去打球了'})
print(result)

1114



被折叠的 条评论
为什么被折叠?



