面向开发者的LLM入门课程-持续收集用户和助手消息

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“面向开发者的LLM入门课程-持续收集用户和助手消息”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

面向开发者的LLM入门课程-持续收集用户和助手消息：

持续收集用户和助手消息

为了持续优化用户和助手的问答体验，我们打造了一个友好的可视化界面，以促进用户与助手之间的便捷互动。

# 调用中文 Prompt 版本
def collect_messages_ch(debug=True):
“””
用于收集用户的输入并生成助手的回答
参数：
debug: 用于觉得是否开启调试模式
“””
user_input = inp.value_input
if debug: print(f”User Input = {user_input}”)
if user_input == “”:
return
inp.value = ”
global context
# 调用 process_user_message 函数
#response, context = process_user_message(user_input, context,
utils.get_products_and_category(),debug=True)
response, context = process_user_message_ch(user_input, context, debug=False)
# print(response)
context.append({‘role’:’assistant’, ‘content’:f”{response}”})
panels.append(
pn.Row(‘User:’, pn.pane.Markdown(user_input, width=600)))
panels.append(
pn.Row(‘Assistant:’, pn.pane.Markdown(response, width=600, style=
{‘background-color’: ‘#F6F6F6’})))
return pn.Column(*panels) # 包含了所有的对话信息

import panel as pn # 用于图形化界面
pn.extension()
panels = [] # collect display
# 系统信息
context = [ {‘role’:’system’, ‘content’:”You are Service Assistant”} ]
inp = pn.widgets.TextInput( placeholder=’Enter text here…’)
button_conversation = pn.widgets.Button(name=”Service Assistant”)
interactive_conversation = pn.bind(collect_messages_ch, button_conversation)
dashboard = pn.Column(
inp,
pn.Row(button_conversation),
pn.panel(interactive_conversation, loading_indicator=True, height=300),
)
dashboard

下图展示了该问答系统的运行实况：

通过监控该问答系统在更多输入上的回答效果，您可以修改步骤，提高系统的整体性能。

我们可能会察觉，在某些环节，我们的 Prompt 可能更好，有些环节可能完全可以省略，甚至，我们可能会找到更好的检索方法等等。

对于这个问题，我们将在接下来的章节中进行更深入的探讨。

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“面向开发者的LLM入门课程-持续收集用户和助手消息”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！