AIGC-知识库-LLM：从0开始搭建智能问答钉钉机器人

2023-09-28 1096

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

视觉智能开放平台，图像资源包5000点

NLP自然语言处理_高级版，每接口累计50万次

NLP 自学习平台，3个模型定制额度 1个月

简介： 本文描述在阿里云上从0开始构建个人/企业专属，具备私域知识库+LLM智能问答钉钉机器人。知识库技术方案使用了Lindorm AI数据服务平台知识库能力，LLM使用了开源ChatGLM2-6B。

一、开通和配置ECS

1、创建ECS实例（以Ubuntu系统为例），作为登录数据库的客户端。设置ECS用户名及登录密码（使用ecs-user登录，如果使用root安装，后续部分安装包会提示有权限风险）。

2、设置安全组配置，配置出方向端口22，并在源IP中加入本机IP。

3、本机ssh到云ECS。

二、构建自己的知识库+LLM

1、根据产品指导书，开通Lindorm知识库+LLM实例，并根据指导书导入或SQL方式写入自己的知识文档，完成知识库的构建。该方案安装部署LLM非常简便，仅需一条简单的SQL命令即可完成安装。

2、将ECS客户端IP加入到Lindorm数据库白名单，确保ECS可以正常访问Lindorm数据库。可以在ECS上安装Lindorm CLI客户端进行测试。

3、在ECS上安装phoenixdb（用于连接数据库）：pip install phoenixdb==1.2.0

注意：有些系统版本在安装时，可能会报错“subprocess.CalledProcessError: Command 'krb5-config --libs gssapi' returned non-zero exit status 127”，原因是缺乏安装依赖，需执行如下命令后再安装：sudo apt-get -y install gcc libkrb5-dev

三、申请钉钉机器人

1、在钉钉上申请钉钉机器人：选择一个群，点击右上角的“群设置”按钮，选择“机器人”进行添加。

2、根据文档说明，完成机器人申请：

3、机器人申请成功后，完成基础设置。其中消息接受模式选择“HTTP模式”；配置消息接受地址：将IP设置为前面申请的ECS大网IP，服务端口号设置为自定义好的端口号（本文以5000为例，后面的钉钉post程序中也需配置为该端口）。

四、编写钉钉机器人post程序

说明：该程序运行在ECS上，用于响应钉钉机器人从钉钉上获取的信息，进行应答。

1、在ECS上安装dingtalkchatbot、fastapi、uvicorn：pip install dingtalkchatbot fastapi uvicorn

2、编写钉钉机器人服务端程序（Python脚本），示例：

#!/bin/python3# -*- coding: utf-8 -*-importosfromfastapiimportFastAPI, Requestfromdingtalkchatbot.chatbotimportDingtalkChatbotimportuvicornimportjsonimportloggingimportphoenixdbfromconfigs.dingtalk4lindormimport*# global env：如下配置正式使用时请放在单独的配置文件中，如：dingtalk4lindorm# 这里的链接地址与lindorm-cli的链接地址比，需要去掉http之前的字符串#LINDORM_URL = "http://ld-XXXX-proxy-lindorm-pub.lindorm.rds.aliyuncs.com:30060"#LINDORM_USER_NAME = 'XXXX'#LINDORM_USER_PW = 'XXXX'#LLM_MODEL = 'XXXX'# 连接到lindorm数据库defconnect(kw_args):
try:
returnphoenixdb.connect(LINDORM_URL, autocommit=True, **kw_args)
exceptAttributeError:
print("Failed to connect")
# logerlogging.basicConfig(level=logging.DEBUG,
format='%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
datefmt='%a, %d %b %Y %H:%M:%S',
filename='/tmp/test.log',
filemode='w')
logger=logging.getLogger(__name__)
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
# init FastAPI appapp=FastAPI()
# 使用FastAPI的装饰器定义路由@app.post("/generate")
asyncdefgenerate_response(request: Request):
# 读取请求的JSON数据json_post_raw=awaitrequest.json()
json_post=json.dumps(json_post_raw)
json_post_list=json.loads(json_post)
# 获取请求中的输入文本和会话Webhookprompt=json_post_list.get('text').get('content')
session_webhook=json_post_list.get('sessionWebhook')
logger.info("prompt: %s, session webhook is: %s "% (prompt, session_webhook))
print(session_webhook)
# 连接Lindorm数据库，调用AI数据服务平台SQL查询接口，获取Lindorm知识库问答结果# 用户名通过lindorm_user字段传递，密码使用lindorm_password字段设置，database字段设置连接初始化默认数据库。connect_kw_args= {'lindorm_user': LINDORM_USER_NAME, 'lindorm_password': LINDORM_USER_PW, 'database': 'default'}
connection=connect(connect_kw_args)
msg=""withconnection.cursor() asstatement:
# 查询sql_select="select ai_infer('%s', '%s')"% (LLM_MODEL , prompt)
# print(sql_select)statement.execute(sql_select)
response=statement.fetchall()
msg=response[0][0]      #查询返回是list格式，需要取list[0][0],转换为str格式# print("LLM response:", msg)logger.info("LLM return: %s"%msg)
connection.close()
# 实例化钉钉机器人对象dingtalk_chatbot=DingtalkChatbot(session_webhook)
returndingtalk_chatbot.send_markdown(title='数据库百事通', text=msg)
# 启动FastAPI应用if__name__=='__main__':
uvicorn.run(app, host='0.0.0.0', port=5000, workers=1)