学习笔记：易速鲜花网络人脉工具项目
1. 项目概述
- 背景：易速鲜花电商需要通过微博大V推广品牌。
- 目标：开发工具帮助市场部门找到合适的微博大V并建立联系。
2. 项目实现步骤
- 搜索大V：使用LangChain找到可能对鲜花推广感兴趣的大V，并返回UID。
- 爬取大V信息：根据UID，获取大V的公开信息。
- 生成介绍文章：利用LLM生成基于大V个人信息的介绍型文章。
- 输出解析：使用LangChain输出解析功能，生成格式化数据结构。
- 部署人脉工具：创建App并部署，供市场部门使用。
3. 技术细节与实现
- LangChain组件：链、代理、工具、LLM的文本摘要和生成功能。
- 自定义Tool：因标准工具不满足需求，创建Customized Tool。
- 提示模板：设计用于引导LLM生成所需内容的模板。
- 输出解析：使用Pydantic模型和输出解析器生成结构化数据。
4. 第三步：生成介绍文章
- 文案形式：总结大V特点、兴趣爱好，撰写联络信件草稿。
- 代码实现：重构
findbigV.py，将文案生成功能封装成generate_letter函数。
5. 第四步：加入输出解析
- Pydantic模型：定义
TextParsing模型，描述大V信息的解析结构。 - 输出解析器：创建
PydanticOutputParser，将文本输出解析为模型实例。
6. 第五步：部署人脉工具
- HTML/CSS：创建前端页面，展示输入表单和结果。
- Flask应用：开发后端逻辑，处理请求并返回JSON响应。
- 程序结构：
findbigV.py功能封装，app.py处理Web请求。
7. 项目总结
- 项目完成：整合了LangChain的多个模块，从搜索到部署的全流程。
- 创意与实践：项目展示了LangChain的实际应用，具有启发性。
8. 思考题
- 文案生成：调整提示模板，生成更贴合业务需求的文案。
- 数据爬取：尝试爬取其他网站数据，扩展人脉工具功能。
- 程序健壮性：修改程序，提高其鲁棒性，处理更多边缘情况。
9. 网络问题说明
- 网页解析失败：由于网络原因，某些网页（如CDN资源链接）解析未成功。建议检查链接合法性并适当重试。
以下是关于“易速鲜花”聊天机器人项目的详细学习笔记，包括知识点、逻辑结构和解释：
###易速鲜花聊天机器人项目
1. 项目概述
- 目标：开发一个能够进行长时间对话并访问用户所需信息的聊天机器人。
- 核心特征：记忆能力、检索能力、自然对话风格。
2. 聊天机器人核心组件
- 聊天模型：专用于对话场景的模型，如LangChain支持的聊天模型。
- 提示模板：整合默认消息、用户输入、历史交互和检索上下文。
- 记忆：记住与用户的先前互动，增强对话连贯性。
- 检索器：提供特定领域知识的可选组件。
3. 技术实现步骤
- 基础聊天对话工具：使用LangChain的ConversationChain实现。
- 记忆功能：通过LangChain的记忆功能，记住用户之前的话。
- 检索功能：整合易速鲜花内部文档资料，提供专业回答。
- 数据库查询（可选）：允许用户查询订单状态和库存等。
- 部署：在网络上部署聊天机器人供企业内部员工和用户使用。
4. 第一步：开发基础聊天机器人
- 实现：使用ChatOpenAI模型和系统消息设置聊天机器人的角色。
- 交互：创建消息列表，包括系统消息和用户输入，获取机器人响应。
5. 第二步：增加记忆机制
- ConversationBufferMemory：跟踪对话历史，增强机器人记忆能力。
- LLMChain：整合LLM、提示和记忆，形成完整的对话链。
6. 第三步：增加检索机制
- 文档加载：加载易速鲜花内部文档。
- 文本分割：使用RecursiveCharacterTextSplitter分割文档。
- 向量数据库：使用Qdrant创建向量数据库，存储文档向量。
- 检索功能：通过向量数据库检索相关文档，提供基于文档的回答。
7. 聊天机器人的增强功能
- 记忆：使机器人能够回忆过去的交互。
- 检索：提供最新的、特定领域的信息。
- 多面手：回答一般性问题和易速鲜花内部问题。
8. 项目总结
- 核心组件：记忆和检索，使机器人能够提供连贯的对话和领域特定信息。
- LangChain技术：复习了对话模型、提示模板、记忆实现和检索功能。
9. 思考题
- 重构代码：使用ConversationChain中的Memory重构并简化代码。
- 数据库查询能力：整合数据库查询功能，让用户能够查询库存和销售情况。
