本文介绍了如何在终端中构建一个 AI 聊天机器人，包括设置 OpenAI API 密钥、创建 Python 虚拟环境、安装所需软件包，以及编写聊天机器人脚本。该聊天机器人可以回复代码片段和 shell 命令。
译自：Build Your Own AI Terminal Chatbot in Minutes
作者：Jessica Wachtel
几个月前，我们用不到 10 分钟构建了一个 AI 聊天机器人。今天，我们将直接在终端中构建一个类似的聊天机器人。在终端中构建类似的东西有什么价值？直接在终端中工作可以让你保持在开发流程中。它可以与你的本地文件、工具和系统交互。本质上，终端聊天机器人将 AI 直接带入你的环境。你可以向 ChatGPT 提问，让它审查或生成代码，甚至运行命令，而无需任何上下文切换。
我们要构建的聊天机器人将比我们之前构建的更进一步。终端聊天机器人将包括相同的对话功能，但我们还将使其能够回复代码片段和 shell 命令。
注意：在将 ChatGPT 或任何其他 AI 构建到你的系统中之前，请花时间阅读你使用的 AI 版本的训练数据和隐私政策，以便你可以安全地使用 AI。
首先，让我们使用 OpenAI 进行设置
- 转到 platform.openai.com/signup 并创建一个帐户。
- 登录后，转到 platform.openai.com/account/api…。
- 单击 Create new secret key（创建新的密钥）。
- 复制密钥（以 sk-… 开头）。不要分享你的 API 密钥。
GPT-3.5 是免费的，但任何更高的版本（4.0 是我们现在使用的基本模型）仅适用于按需付费用户，不适用于免费帐户。以下教程使用 GPT-4.0。我支付了最低 10 美元的费用。也就是说，你可以使用 GPT-3.5 构建它。我将在代码中注明指定 3.5 的位置。
让我们转到终端。
基本设置
通过复制并粘贴以下代码来设置你的项目文件夹：
mkdir terminal-chatbot
cd terminal-chatbot
下一步是创建并激活一个虚拟 Python 环境。我们想要创建一个虚拟环境，因为它提供了一个安全、隔离的工作区。它可以使所有内容井井有条、可预测且无冲突。我们没有设置虚拟环境，因为聊天机器人本身可能会导致问题。
python3 -m venv venv
source venv/bin/activate
在此代码之后，你应该在终端提示符中看到 (venv)。
现在是安装所需软件包的时候了。对于此项目，我们需要 openai，这是用于与 OpenAI 的 API 交互的官方 Python 客户端库。我们还需要 python-dotenv。python-dotenv 允许你的代码自动读取 .env 变量。
pip install openai python-dotenv
让我们将我们的 API 密钥存储在 .env 文件中。为此，我们将使用 nano。
打开 nano。
nano .env
在将你的密钥粘贴到其中：
OPENAI_API_KEY=YOUR KEY HERE
你可以使用以下命令保存并退出 nano：
Ctrl + O（字母，不是数字）保存。Enter确认。Ctrl + X退出。
创建聊天机器人脚本
我们将再次使用 nano 来创建代码文件。还有其他方法可以做到这一点，但我喜欢 nano。如果你喜欢文本文件或其他文件，请随时使用。
nano chatbot.py
打开文件后，将接下来几个部分中的所有代码粘贴到文件中。我在这里将它们分开是为了解释每个块的作用，但它们都是同一个文件的一部分。
导入我们的依赖项：
# -*- coding: utf-8 -*-
import os
from openai import OpenAI
from dotenv import load_dotenv
然后，我们想要加载我们的环境变量并创建 OpenAI API 客户端：
# load variables from .env file
load_dotenv()
# create OpenAI API client
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
现在我们准备好添加与 ChatGPT 的连接。函数 connect_to_gpt 会将当前的对话发送到 ChatGPT，并将 ChatGPT 的回复作为纯文本返回。这允许你进行一致的对话，其中它“记住”上下文和已共享的内容。
def connect_to_gpt(history):
response = client.chat.completions.create(
model="gpt-4", # Change to "gpt-3.5" if you have a free account
messages=history
)
return response.choices[0].message.content
以下行表示“如果你直接运行此文件”（而不是将其作为模块导入），则运行以下代码。它会通过打印“Let’s get started! Type ‘exit’ to quit.\n”来让你知道聊天机器人何时准备就绪
def connect_to_gpt(history):
response = client.chat.completions.create(
model="gpt-4", # Change to "gpt-3.5" if you have a free account
messages=history
)
return response.choices[0].message.content
以下代码是驱动你的聊天会话的循环的一部分。它将对话初始化为一个名为 chat_history 的空列表。这就是存储对话并允许 ChatGPT 根据已讨论的内容获得上下文的原因。
无限循环 while True 会保持对话进行，直到他们退出。它还会读取用户输入并检查用户是否已退出。
chat_history = [] # stores conversation history for normal chat
while True:
user_input = input("You > ").strip()
if user_input.lower() in {"exit", "quit"}:
print("Goodbye!")
break
下一段代码检查用户是否想要以代码形式获得答案。如果用户输入以 /cmd 或 /code 开头，则聊天机器人将使用代码回复。
系统消息是 AI 的指令。通过键入“You are a helpful assistant that ONLY responds with shell commands or code snippets. No explanations.”，你可以引导 AI 给出重点突出、简洁的答案。
#if user wants a reply in code
if user_input.startswith("/code") or user_input.startswith("/cmd"):
prompt = user_input.split(" ", 1)[1] if " " in user_input else ""
system_message = {
"role": "system",
"content": "You are a helpful assistant that ONLY responds with shell commands or code snippets. No explanations."
}
下一段代码构建要发送到 OpenAI 的请求并打印回复。
# prepare messages with system instructions + user prompt
messages = [
system_message,
{"role": "user", "content": prompt}
]
reply = connect_to_gpt(messages)
print(f"Chatbot > {reply}\n")
以下代码处理正常聊天模式，即用户不想要代码回复。
#regular conversation
else:
chat_history.append({"role": "user", "content": user_input})
reply = connect_to_gpt(chat_history)
print(f"Chatbot > {reply}\n")
chat_history.append({"role": "assistant", "content": reply})
你可以使用以下命令保存并退出 nano：
Ctrl + O（字母，不是数字）保存。Enter确认。Ctrl + X退出。
这是完整的代码文件：
# -*- coding: utf-8 -*-
import os
from openai import OpenAI
from dotenv import load_dotenv
# load variables from .env file
load_dotenv()
# create OpenAI API client
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
def connect_to_gpt(history):
response = client.chat.completions.create(
model="gpt-4", # Change to "gpt-3.5" if you have a free account
messages=history
)
return response.choices[0].message.content
if __name__ == "__main__":
print("Terminal Chatbot Ready! Type 'exit' to quit.\n")
chat_history = [] # stores conversation history for normal chat
while True:
user_input = input("You > ").strip()
if user_input.lower() in {"exit", "quit"}:
print("Goodbye!")
break
if user_input.startswith("/code") or user_input.startswith("/cmd"):
prompt = user_input.split(" ", 1)[1] if " " in user_input else ""
system_message = {
"role": "system",
"content": "You are a helpful assistant that ONLY responds with shell commands or code snippets. No explanations."
}
# prepare messages with system instructions + user prompt
messages = [
system_message,
{"role": "user", "content": prompt}
]
reply = connect_to_gpt(messages)
print(f"Chatbot > {reply}\n")
#regular conversation
else:
chat_history.append({"role": "user", "content": user_input})
reply = connect_to_gpt(chat_history)
print(f"Chatbot > {reply}\n")
chat_history.append({"role": "assistant", "content": reply})
你可以使用以下命令运行聊天机器人：
python3 chatbot.py
测试一下！尝试请求代码：/code bash command to list all .txt files recursively（/code bash 命令以递归方式列出所有 .txt 文件）。
或者只是用简单的英语问它一个问题。
