之前探索使用 OpenAI、LangChain 和 LlamaIndex 构建 Knowledge，需要自己整理文档数据集，本文来探索另一种实现方式，将数据集换成输入一个 URL （嵌入在线资源），通过使用 Embedchain 和 databutton 来构建 Knowledge 聊天机器人。
- 文章涉及的代码：github.com/QuintionTan…
什么是 Embedchain
Embedchain 是一个多功能框架，可以轻松地在任何数据集上创建强大的 LLM 支持的聊天机器人。框架负责处理复杂的任务，例如从网页、PDF 和博客文章等各种来源加载数据。然后将数据分成有意义的块，生成嵌入 embeddings 以进行高效查询，并将这些块存储在矢量数据库中以便快速检索。
简而来说，使用基于 Embedchain 的聊天机器人的简单工作流程：当用户与聊天机器人交互并发送查询信息时，用户的查询将转换为嵌入 embedding 表示（为查询创建嵌入）。同时 Embedchain 搜索向量数据库以查找与用户查询相关的相似文档（查找相似文档）。最后，将类似的文档作为上下文提供给语言模型 (LLM)，以生成最佳答案（将上下文传递给 LLM）。
什么是 databutton
Databutton 是人工智能驱动的工作区，用于构建和共享数据应用程序。
使用 Streamlit 构建
创建一个简单的 Web 应用程序，允许用户使用 Embedchain 强大的自然语言处理功能与在线资源进行交互，为给定的查询信息提供相关且准确的响应。
项目开始的基本流程：
- 创建项目目录
- 创建虚拟环境
- 激活虚拟环境
- 安装项目需要的依赖库
- 开始创建代码文件导库开始代码
创建项目目录，然后打开终端在项目目录下创建虚拟环境：
python -m venv venv
激活虚拟环境 venv：
source venv/bin/activate #for mac venv\Scripts\activate #for windows users
安装项目需要的依赖库，逐行执行以下命令：
pip install --upgrade pip pip install databutton streamlit embedchain
创建 python 文件 main.py ，从导库开启代码之旅：
import databutton as db import streamlit as st from embedchain import App import os import time
其中 os 用于与操作系统交互并设置环境变量。下面使用简单的 Streamlit API 添加应用程序相关信息：
st.subheader("Embedchain AI Knowledge 🤖 ") st.markdown( "Repo : [AI-DevSecOps](https://github.com/QuintionTang/AI-DevSecOps)")
接下来，创建一个函数 initBot，函数将 URL 作为输入，即通过嵌入在线资源。
@st.cache_resource def initBot(URL): # 创建一个机器人实例 devsec_bot = App() # 这里支持嵌入多个在线资源 devsec_bot.add("web_page", URL) # devsec_bot.add("youtube_video", "") # devsec_bot.add("pdf_file", "") # devsec_bot.add("web_page", "") return devsec_bot
函数 initBot 使用装饰器 @st.cache_resource 定义的，装饰器主要缓存资源，以避免在用户重新加载 Web 应用程序时重复初始化。而返回值是初始化的 ChatBot 对象，在这里将实例化的机器人命名为 devsec_bot。
接下来实现通过 URL 输入并初始化 ChatBot：
prompt = st.text_input( "请输入一个内容URL", placeholder="请输入一个内容URL", ) btn = st.button("初始化机器人") if btn or st.session_state.btn_state: st.session_state.btn_state = True devsec_bot = initBot(prompt) st.success("机器人已就绪🤖")
st.text_input() 创建一个输入框，提示用户输入 URL。st.button("初始化机器人") 创建一个 初始化机器人 按钮。如果单击初始化机器人 按钮或聊天机器人已初始化（即 st.session_state.btn_state 为 True），则使用已经获取的 URL 初始化 ChatBot，并显示 机器人已就绪🤖 的消息。
接下来将使用 Streamlit 的 Chat 元素st.chat_message 和 st.chat_input。
从这里开始将介绍如何使用 embedchain 实现查询方法逻辑，然后将 LLM 的响应转储并将回复内容显示在 UI 中。为了保持聊天对话的连续性，消息将通过 Streamlit 的会话状态 API 进行处理。
# 初始化聊天记录 if "messages" not in st.session_state: st.session_state.messages = [] # 在应用程序重新运行时显示历史记录中的聊天消息 for message in st.session_state.messages: with st.chat_message(message["role"]): st.markdown(message["content"])
聊天查询内容通过 st.chat_input 来获取，其功能和 st.text_input 非常相似。一旦聊天内容已发送，它就会被保存在会话状态中，以便后续在聊天界面中延续使用。
# 接收聊天内容 if prompt := st.chat_input("有什么可以帮忙？"): # 增加聊天历史记录 st.session_state.messages.append({"role": "user", "content": prompt}) with st.chat_message("user"): st.markdown(prompt) with st.chat_message("assistant"): message_placeholder = st.empty() full_response = ""
下面这行代码是整个机器人的核心代码：
assistant_response = devsec_bot.query(prompt)
到此整个聊天机器人核心的代码已经完成了，其余代码主要在 streaming 传输响应中发挥关键作用，类似 ChatGPT 风格！
运行代码：
streamlit run main.py
下面来看下增加的个人博客连接资源的学习效果：
从结果来看，效果还不错。
总结
Embedchain 提供了一个非常强大的功能，只需几行代码即可轻松构建在线聊天机器人。本文完成的聊天机器人还存在不足，输入的 URL 内容为中文，机器人回复的内容为英文。这里只是介绍了一个简单的应用场景，没有提供主题隔离，如果加载的资源比较混乱，机器人的回答也是混乱的，算是开拓了一种新的实现AI聊天机器人思路。
