В нашем современном мире создание онлайн-платформы для общения между клиентами и представителями компании — это необходимое требование для многих бизнесов. Онлайн-чат для сайта является одним из наиболее эффективных и удобных способов связи с потенциальными клиентами и удержания уже имеющихся из-за своей быстрой и простой обработки сообщений.
Я следил за различными видами использования chatGPT с момента его выхода. Описываемое далее решение я еще не встречал и поэтому думаю оно будет кому-то полезным.
Формулировка задачи
Необходимо создать онлайн-чата для сайта со следующими возможностями:
-
Общение с посетителями на любых языках
-
Запрос варита ответа на запрос посетителя у chatGPT, обученного на базе знаний компании
-
Реализовать все на бесплатных сервисах
Итак, поехали!
Шаг №1: Выбор сервиса для онлайн-чата
Для реализации задачи нам нужна возможность ставить свой обработчик на событие отправки сообщения посетителя. При этом сам сервис должен быть бесплатным.
По итогу был выбрал сервис Tawk.to, у которого есть вот эти два обработчика:
Шаг №2: Обучение chatGPT
Для формирования базы знаний компании мы будем использовать библиотеку:
?️ LlamaIndex ? (GPT Index)
https://github.com/jerryjliu/llama_index
Вот пример использования библиотеки из официальной документации
!pip install llama-index import os os.environ["OPENAI_API_KEY"] = 'YOUR_OPENAI_API_KEY' from llama_index import GPTSimpleVectorIndex, SimpleDirectoryReader documents = SimpleDirectoryReader('data').load_data() index = GPTSimpleVectorIndex(documents) # save to disk index.save_to_disk('index.json') # load from disk index = GPTSimpleVectorIndex.load_from_disk('index.json') index.query("<question_text>?")В качестве данных для формирование базы мы используем краткое описание компании и поместим его в текстовый файл:
# auras.txt AURA Services AURA Services, based in Tel Aviv, Israel, is a platform that mediates between local partner performers and clients and focused on short-term local services. AURA do marketing and local advertisement to promote local partner performers. The company acts as a broker and charges a commission from local partner performers for promotion of each service for clients.Шаг №3: Подготовка базы в Notion
Все поступающие сообщения от посетителей мы будем сохранять в Notion.
Вот шаблон таблицы:
https://candied-cactus-f66.notion.site/9cc1b8d874244cc0bef06d6de762d8df
Процесс создания интеграции хорошо описан в этой статье:
https://notionso.ru/kb/sozdanie-integratsiy-s-pomoschyu-api-notion/
У нас будет вот такая функция для создание записей в таблице Notion:
def insertDatabase(databaseId, record, token): headers = { "Accept": "application/json", "Authorization": "Bearer " + token, "Content-Type": "application/json", "Notion-Version": "2021-05-13", } createUrl = "https://api.notion.com/v1/pages" data = json.dumps(record) res = requests.request("POST", createUrl, headers=headers, data=data) return resПример записи в таблицу:
record = {"parent": { "database_id": notion_DB_id },"properties": {}} record['properties']['URL'] = {"title": [{"text": {"content": "https://aura-s.com/"}}]} record['properties']['Message'] = {"rich_text": [{"text": {"content": "Hello World!"}}]} record['properties']['chatGPT_reply_English'] = {"rich_text": [{"text": {"content": "How i can help you?"}}]} insertDatabase(databaseId, record, token)Шаг №4: Создание Телеграм-бота
Найдите бота @BotFather и отправьте ему команду /start или /newbot, чтобы создать нового бота. Затем следуйте инструкциям, вводя название и короткое имя для вашего бота. После этого вы получите ответ с токеном бота и ссылкой на документацию. Важно сохранить токен в надежном месте, так как он необходим для авторизации и установки связи между вами и вашим ботом.
Шаг №5: Запуск HTTP API на Flask
Для обработки поступающих от посетителей сообщений нам необходимо написать небольшой Backend на Flask.
У нас будет только одна точка взода в API, которая принимает входящее сообщение, затем отправляет запрос в chatGPT и просит его ответить на 3-х языках. Полученные ответы мы отправляем в телеграм бот и в таблицу Notion.
Вот код нашего API:
from flask import Flask, render_template, redirect, url_for, request, session, jsonify from flask_cors import CORS from os import path import json import os import requests import datetime import openai import telebot app = Flask(__name__) CORS(app) # эта команда необходима для работы с API из React-приложений bot = telebot.TeleBot(config.tg_bot_key) # /api/v1.0/new_online_chat_message @app.route('/api/v1.0/new_online_chat_message', methods=['GET']) def new_online_chat_message(): url = request.args.get("url", '-') message = request.args.get("message", '-') print('[START - new_online_chat_message]') notion_DB_id = 'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx' record = {"parent": { "database_id": notion_DB_id },"properties": {}} record['properties']['URL'] = {"title": [{"text": {"content": url}}]} record['properties']['Message'] = {"rich_text": [{"text": {"content": message}}]} # Ask chatGPT reply = '' if message != '-': index = GPTSimpleVectorIndex.load_from_disk('/wiki/index.json') # ID чата с телеграм ботом chat_id = 'XXXXXXXXX' # English response = index.query(message + '. Answer in English', response_mode="compact") record['properties']['chatGPT_reply_English'] = {"rich_text": [{"text": {"content": response.response}}]} reply = response.response bot.send_message(chat_id, '??\n' + reply) # Spanish response = index.query(message + '. Answer in Spanish', response_mode="compact") record['properties']['chatGPT_reply_Spanish'] = {"rich_text": [{"text": {"content": response.response}}]} reply = response.response bot.send_message(chat_id, '??\n' + reply) # German response = index.query(message + '. Answer in German', response_mode="compact") record['properties']['chatGPT_reply_German'] = {"rich_text": [{"text": {"content": response.response}}]} reply = response.response bot.send_message(chat_id, '??\n' + reply) res = notion_api.insertDatabase(notion_DB_id, record, config.notion_token) print(res, res.text) ### return reply if __name__ == "__main__": app.run(debug=True, host='0.0.0.0', port=5000)Шаг №6: Отправка сообщений из чата на сайте на HTTP API
И финальная часть — мы добавляем обработчик в виджет чата Tawk.to:
<!--Start of Tawk.to Script--> <script type="text/javascript"> var Tawk_API=Tawk_API||{}, Tawk_LoadStart=new Date(); (function(){ var s1=document.createElement("script"),s0=document.getElementsByTagName("script")[0]; s1.async=true; s1.src='https://embed.tawk.to/640e244831ebfa0fe7f220c1/1grbjrffn'; s1.charset='UTF-8'; s1.setAttribute('crossorigin','*'); s0.parentNode.insertBefore(s1,s0); })(); window.Tawk_API = window.Tawk_API || {}; window.Tawk_API.onChatMessageVisitor = function(message){ var x = new XMLHttpRequest(); x.open("GET", "https://АДРЕС_API/api/v1.0/new_online_chat_message?url=aura-s.com&message="+message, true); x.onload = function (){ alert( x.responseText); } x.send(null); }; </script> <!--End of Tawk.to Script-->Демонстрация работы
Итог
Я надеюсь данное решение будет вам полезно и если вы используете его где-то, напишите пожалуйста про это в комментариях.
И конечно я готов ответить на все ваши вопросы, пишите в мой ТГ.
ссылка на оригинал статьи https://habr.com/ru/post/722388/
Добавить комментарий