自动聊天示例
聊天1：
user: 在吗？ bot: 在 user: 在干嘛呢？ bot: 看电视 user: 看啥电视呀 bot: 活色生香 user: 很好看吗？ bot: 特搞笑 user: 你在哪里呀？ bot: 家里 user: 家里就你一个人嘛？ bot: 我喜欢一个人玩 user: 那我过来找你？ bot: 不可以，乖乖上班去
聊天2：
Q: 在吗？ A: 在 Q: 干嘛呢？ A: 没事 Q: 陪我去逛街嘛？ A: 嗯 Q: 你在打游戏？ A: 没有 Q: 那去不去？ A: 去
这是基于200万聊天记录训练出来的，你可以用自己和女朋友的记录训练了试试效果 :P
至于微信机器人怎么用，你可以 GitHub 搜搜看哈
项目说明
chatbot 是一个通过已知对话数据集快速生成回答的 Go 问答引擎。
为啥会有 chatbot 项目呢？
好多年前，当我们需要一个聊天机器人的时候，我是先用了 ChatterBot，但是使用下来，我们的1.2亿对话语料训练后的模型回答一个问题需要21秒左右，实在没法接受。仔细看了 ChatterBot 源码之后，我用 Go 重新实现了一个，并用 go-zero 的 MapReduce 框架做了并行优化，结果我们一个回答平均耗时大概18毫秒。
国庆假期，我有点空闲时间，所以就把这个项目整理了开源出来，一是给大家一个实际的 go-zero 的 MapReduce 示例；二是也提供大家一个闲聊机器人的项目玩玩。
BTW：后续我可能会开源智能客服机器人的项目，可以关注我的github:
代码目录和命令行使用说明
bot
问答引擎，可以自定义自己的匹配算法
cli
- train
训练给定的问答数据并生成.gob文件
-d读取指定目录下所有json和yaml语料文件-i读取指定的json或yaml语料文件，多个文件用逗号分割-o指定输出的.gob文件-m定时打印内存使用情况
- ask
一个示例的问答命令行工具
-vverbose-c训练好的.gob文件-t数据几个可能的答案
数据格式
如果你有语料数据，可以自行整理用来训练。
数据格式可以通过 yaml 或者 json 文件提供，参考 https://github.com/kevwan/chatterbot-corpus 里的格式。大致如下：
categories: - AI conversations: - - 什么是ai - 人工智能是工程和科学的分支,致力于构建具有思维的机器。 - - 你是什么语言编写的 - Python - - 你听起来像机器 - 是的,我受到造物者的启发 - - 你是一个人工智能 - 那是我的名字。
致谢
go-zero - https://github.com/zeromicro/go-zero
go-zero 的 core/mr 包的 MapReduce 实现使 chatbot 的回答效率得到了巨大的提升！
ChatterBot - https://github.com/gunthercox/ChatterBot
最早我是使用 ChatterBot 的，但由于回答太慢，所有后来只能自己实现了，感谢 ChatterBot，非常棒的项目！
