前言
若問(wèn)2023年科技領(lǐng)域什么最火，那當(dāng)然是ChatGPT了，這么智能的對(duì)話機(jī)器人，給人帶來(lái)無(wú)限的想象，圍繞著ChatpGPT的各種熱點(diǎn)和創(chuàng)意層出不窮。作為一個(gè)多年從事編程開(kāi)發(fā)的程序員，我對(duì)于這么大的一個(gè)熱點(diǎn)也很興奮，每天琢磨著圍繞ChatGPT干點(diǎn)啥。
當(dāng)然還是先要認(rèn)清現(xiàn)實(shí)，心再高也不能想著去開(kāi)發(fā)一個(gè)ChatGPT一樣的東西。這個(gè)投入太大，難度太高，成果太不可預(yù)料，團(tuán)隊(duì)、成本、技術(shù)、模型、算力、數(shù)據(jù)、安全、法規(guī)等等，每一項(xiàng)對(duì)于中小型企業(yè)都是重大挑戰(zhàn)。國(guó)內(nèi)也只有幾個(gè)IT巨頭能玩，能玩到什么程度不知道，就像某度啊，純屬瞎湊熱鬧。那么多企業(yè)非得去湊熱鬧，非的要去沾個(gè)親，這個(gè)是無(wú)可厚非的，不管是博人眼球，還為了是抬高身價(jià)，作用還是立竿見(jiàn)影的，湊熱鬧就湊吧。
思量一番，ChatGPT開(kāi)發(fā)不出來(lái)，開(kāi)發(fā)一個(gè)它的近親ChatBot還是沒(méi)有多大難度的。于是親自考察了一下公司線上客服的聊天內(nèi)容，大致如下：
問(wèn)：你好
答：您好
問(wèn)：你們有xxx產(chǎn)品嗎
答：有啊
問(wèn)：多少錢(qián)
答：您留個(gè)電話吧，打給您
問(wèn)：怎么聯(lián)系你們
答：我們電話138...
...再細(xì)細(xì)分析一下近年來(lái)的客服聊天記錄，竟然大部分對(duì)話都相似，相同的問(wèn)題和答復(fù)，時(shí)刻都在重復(fù)上演！我的天啊，這也太程式化了吧，讓我們客服天天干這種事請(qǐng)也太浪費(fèi)資源了！不行，我要改變這種情形！
問(wèn)一下客服們，之前用過(guò)智能客服對(duì)話機(jī)器人嗎？她們說(shuō)是用過(guò)啊，用過(guò)阿某云的、華某云的，不太好用，經(jīng)常是答非所問(wèn)、似是而非，很少獲客。那就定了，我要給你們開(kāi)發(fā)一個(gè)好用的Chatbot智能客服，徹底解放生產(chǎn)力！
大話說(shuō)出來(lái)了，就只有去干了。經(jīng)過(guò)兩周的努力，終于實(shí)現(xiàn)了一個(gè)線上智能客服系統(tǒng)。雖然不是太智能，還算溫柔可人，能回答常見(jiàn)的客戶問(wèn)題，比如：
你好
你好，我在呢
你在哪
我在北京啊
你貴姓
我叫云云啊，你呢？
發(fā)個(gè)產(chǎn)品報(bào)價(jià)吧
報(bào)價(jià)你還是打電話問(wèn)吧
電話多少
電話是 136xxxxxxxx哈哈，跟我們客服回答的有點(diǎn)像啊，有興趣可以跟她聊聊：???http://v.ruiboyun.cn/chat/??
我建議您先不要急著去跟這個(gè)機(jī)器人聊天，她并不是很聰明，還是希望您繼續(xù)往下看。
技術(shù)選型
理想很豐滿，現(xiàn)實(shí)須努力，為難于易，為大于細(xì)，那就一步一步的來(lái)吧。
技術(shù)架構(gòu)
終端類(lèi)型：瀏覽器，客戶通過(guò)瀏覽器訪問(wèn)公司網(wǎng)站和瀏覽公司產(chǎn)品，聊天對(duì)話的場(chǎng)所就是瀏覽器中。
通信協(xié)議：Websocket，最適合進(jìn)行雙向交互，低延遲，高效率，沒(méi)有更好的選擇了。
后端框架：Java、PHP、Nodejs，好像都可以，但若要是做即時(shí)通信，前端面向?yàn)g覽器，那Nodejs應(yīng)該是不二之選。為啥？前后端用一種語(yǔ)言，前后端可以共用代碼，前后端工程師可以復(fù)用，配合起來(lái)就像左手拉右手，你說(shuō)香不香。使用Nodejs，就可以使用Socket.IO來(lái)進(jìn)行聊天通信，那就更簡(jiǎn)單了。當(dāng)然還有別的理由，往后看。
技術(shù)選型確定后，后面的工作都是基于這個(gè)技術(shù)框架來(lái)開(kāi)展，我就不再做解釋。
全文搜索引擎(full-text search)
做客服型Chatbot，全文搜索引擎是必須的，大量的聊天語(yǔ)料包準(zhǔn)備好后，需要有高效靈活的搜索引擎來(lái)查找對(duì)應(yīng)的內(nèi)容。
可用的全文搜索引擎系統(tǒng)很多，最終我把選擇范圍縮小到如下兩個(gè)：
1）RediSearch
2）FlexSearch
RediSearch是Redis的一個(gè)插件模塊，用于實(shí)現(xiàn)全文搜索，具有開(kāi)源、高效、多字段檢索、精確短語(yǔ)匹配、搜索結(jié)果聚集等特點(diǎn)。
參考網(wǎng)址：??https://redis.io/docs/stack/search/??
FlexSearch是一個(gè)Nodejs模塊，具有開(kāi)源、輕量、純JS、零依賴、內(nèi)存內(nèi)索引等特點(diǎn)。
參考網(wǎng)址：??https://github.com/nextapps-de/flexsearch??
仔細(xì)對(duì)比兩個(gè)產(chǎn)品，RediSearch明顯具有成熟、靈活、參考資源多等優(yōu)勢(shì)，如果要做商用產(chǎn)品或長(zhǎng)遠(yuǎn)打算，那就應(yīng)該選擇RediSearch。
再看FlexSearch的介紹和API接口，除了參考文檔少的可憐、成熟案例少之外，好像也沒(méi)有什么大的不足，也能滿足我的要求。更有吸引力的是輕量、JS源碼、有了問(wèn)題可以追根溯源的去修改，這恰恰符合我的脾氣。
那就選擇FlexSearch吧，雖然我選擇FlexSearch，并不代表它是最好的，如果你要做更高級(jí)的商用系統(tǒng)，我還是建議你用RediSearch。
中文分詞(tokenization&segmentation)
使用全文搜索引擎，一個(gè)重要的工作就是分詞。索引過(guò)程是先對(duì)原始文本進(jìn)行分詞，然后對(duì)分詞結(jié)果索引；搜索過(guò)程是先對(duì)問(wèn)句進(jìn)行分詞，在使用分詞結(jié)果去查詢。
中文分詞相對(duì)于拉丁語(yǔ)等其他語(yǔ)言的分詞有很大的不同，拉丁語(yǔ)使用空格、標(biāo)點(diǎn)符號(hào)作為分詞標(biāo)記，每個(gè)單詞具有明確意義，因此分詞過(guò)程要簡(jiǎn)單的多。
而中文分詞則要復(fù)雜抽象一些，每個(gè)獨(dú)立漢字放到不同的詞語(yǔ)中意義就不同，若以每個(gè)漢字作為分詞結(jié)果，想要在海量的全文中搜索你期望的結(jié)果是不可預(yù)期的，干擾噪聲會(huì)完全淹沒(méi)你的期望結(jié)果。
中文分詞需要向后掃描要處理的文本序列，將單字、多字組合與字典中的詞語(yǔ)（或你自己預(yù)定義的詞語(yǔ)、術(shù)語(yǔ)）來(lái)對(duì)比，以此確定分詞位置和分詞結(jié)果。
于是開(kāi)始找中文分詞器，還好，我們要選擇的兩個(gè)全文搜索系統(tǒng)都有可用的中文分詞器。
RediSearch使用了??Friso??庫(kù)進(jìn)行中文分詞，F(xiàn)riso 是使用 c 語(yǔ)言開(kāi)發(fā)的一款開(kāi)源的高性能中文分詞器，使用流行的mmseg算法實(shí)現(xiàn)。完全基于模塊化設(shè)計(jì)和實(shí)現(xiàn)，可以很方便的植入其他程序中。到Github瀏覽了一下這個(gè)庫(kù)，發(fā)現(xiàn)相當(dāng)不錯(cuò)！
參考網(wǎng)址：??https://github.com/lionsoul2014/friso??
FlexSearch則要更加靈活，可以自己選擇好用的中文分詞庫(kù)。上述Friso之封裝了了php5, php7, ocaml, lua的插件，并沒(méi)有封裝Nodejs包，若要使用需要自己封裝，這個(gè)可以參考Nodejs的N-API或Node-Addon-API。對(duì)于我目前的開(kāi)發(fā)項(xiàng)目，當(dāng)然還用不著再去將Friso封裝成Nodejs插件，這個(gè)有點(diǎn)走彎路了。在Nodejs家族里只要找一款中文分詞庫(kù)，那應(yīng)該是很容易的，果不其然，github搜一下就有很多選擇。
nodejieba星最多，拿來(lái)測(cè)試一下，感覺(jué)分詞效果還可以，就用它吧。
文檔結(jié)構(gòu)
技術(shù)選型做好之后，開(kāi)始設(shè)計(jì)聊天語(yǔ)料的文檔結(jié)構(gòu)。我們把每一輪聊天互動(dòng)（一問(wèn)一答）的內(nèi)容定義為一個(gè)文檔，使用json對(duì)象來(lái)描述。文檔結(jié)構(gòu)定義如下：
{
id:1, //文檔編號(hào)，用于唯一標(biāo)記一個(gè)文檔
tag:"business", //標(biāo)簽,用于將語(yǔ)料進(jìn)行分組歸類(lèi)
query:"你好", //問(wèn)句
answer:"你好，有何吩咐？"http://答句
}所有文檔保存在數(shù)組中：
[
{
id:1, //文檔編號(hào)，用于唯一標(biāo)記一個(gè)文檔
tag:"business", //標(biāo)簽,用于將語(yǔ)料進(jìn)行分組歸類(lèi)
query:"你好", //問(wèn)句
answer:"你好，有何吩咐？"http://答句
},
{
id:2, //文檔編號(hào)，用于唯一標(biāo)記一個(gè)文檔
tag:"business", //標(biāo)簽,用于將語(yǔ)料進(jìn)行分組歸類(lèi)
query:"你貴姓", //問(wèn)句
answer:"我叫云云" //答句
}
]文檔的query屬性會(huì)交給全文搜索引擎進(jìn)行索引，搜索過(guò)程就是搜索匹配的問(wèn)句的過(guò)程，搜索到匹配問(wèn)句后，將answer內(nèi)容反饋給提問(wèn)方。
對(duì)于海量的語(yǔ)料，文檔問(wèn)句詞語(yǔ)的重復(fù)會(huì)是常見(jiàn)的，一個(gè)問(wèn)句可能會(huì)返回多個(gè)結(jié)果，因此需要有手段選擇最佳匹配，盡量讓答復(fù)接近提問(wèn)者的期望。這是一個(gè)較為復(fù)雜的問(wèn)題，后面會(huì)有進(jìn)一步說(shuō)明。
實(shí)現(xiàn)細(xì)節(jié)
技術(shù)選型做好了，文檔結(jié)構(gòu)也設(shè)計(jì)好了，下面就是編碼實(shí)現(xiàn)了，好激動(dòng)啊。前一周參考了那么多技術(shù)，論證也比較充分了，所以我計(jì)劃再花1周時(shí)間來(lái)開(kāi)發(fā)實(shí)現(xiàn)。
后端服務(wù)
Nodejs+socketio，主要實(shí)現(xiàn)即時(shí)文本通信，還需要實(shí)現(xiàn)一些其他WebAPI接口，這個(gè)對(duì)于熟悉Nodejs的工程師是小菜一碟。
主邏輯代碼app.js：
const chatter= require('./chatter');
const loader = require("./searcher/loader");
var express = require('express');
var app = express();
var http = require('http');
//http + socketio
var server = http.createServer(app);
var io = require('socket.io')(server);
const serverPort = 3000;
server.listen(serverPort, function(){
console.log("接口服務(wù)已啟動(dòng)，端口：",serverPort);
});
/**
* 消息結(jié)構(gòu)體 答句時(shí)code非0時(shí)表示沒(méi)有對(duì)應(yīng)答案，問(wèn)句時(shí)省略
* {
* code:0,
* msg:"hello"
* }
*/
//加載語(yǔ)料
loader.loadall(chatter);
io.on("connection", (socket) => {
socket.emit("message", {msg:"你好"});
// receive a message from the client
socket.on("message", (data,callback) => {
let msg = data.msg;
/**
* 問(wèn)句 交給聊天機(jī)器人處理，返回 答句
*/
let response_msg = chatter.chat(msg);
let response_data = {
code:response_msg?0:1,
msg:response_msg
};
callback(response_data);
});
});下面就是聊天機(jī)器人的核心邏輯了。實(shí)現(xiàn)一個(gè)全文搜索引擎封裝文件 chatter.js
//搜索引擎
const { Index, Document, Worker } = require("flexsearch");
//分詞器
var nodejieba = require("nodejieba");
const regex = /[\x00-\x7F]+/g;
function encode(str) {
str = ("" + str).replace(regex, "");
let len = str.length;
if (len < 0) return [];
if (len == 1) return [str];
let arr = nodejieba.cut(str);
return arr;
}
const limit = 5; //搜索結(jié)果最多返回?cái)?shù)
const documents = []; //存儲(chǔ)所有文檔
var id = 0; //id遞增器
//創(chuàng)建全文索引器，具體參見(jiàn)flexsearch用法
const options = {
preset: "default",
tokenize: "strict",
language: "zh",
encode: encode, //引入分詞器
bool: "or",
document: {
id: "id",
tag: "tag",
index: "q"
}
};
const index = new Document(options);
/**
* 添加語(yǔ)料接口
*/
function add(tag, q, a) {
id++;
documents[id] = { id: id, tag: tag, q: q, a: a };
return index.add({ id: id, tag: tag, q: q });
}
/**
* 查找
* @param {string} text
* @param {string} tag
*/
function search(text, tag) {
let opt = {
index: "q",
limit: limit,
};
if (tag) opt.tag = tag;
return index.search(text, opt);
}
//獲取文檔
function get(id) {
return documents[id];
}
function chat(msg) {
let result = search(msg, tag);
if (result.length > 0) {
let ids = result[0].result;
let id = ids[0];
let doc = get(id);
return doc.a;
} else {
return null;
}
}
module.exports = { add, get, chat }可以看到，在這個(gè)module中實(shí)現(xiàn)了較多的內(nèi)容，包括創(chuàng)建全文索引系統(tǒng)、創(chuàng)建分詞器，以及添加語(yǔ)料接口、查詢接口、文檔獲取接口等。
最終能力的輸出通過(guò)chat接口實(shí)現(xiàn)?？碿hat函數(shù)代碼，原理簡(jiǎn)單，根據(jù)問(wèn)句檢索答句，如果有多條，則返回第一條。
語(yǔ)料的加載，在app.js通過(guò)實(shí)現(xiàn)一個(gè)loader來(lái)實(shí)現(xiàn)的：
//加載語(yǔ)料
loader.loadall(chatter);loader的任務(wù)是將語(yǔ)料庫(kù)加載到內(nèi)存中，然后逐條傳遞給全文索引系統(tǒng)進(jìn)行索引。
前端頁(yè)面
前端頁(yè)面找我們前端美女實(shí)現(xiàn)，設(shè)計(jì)一個(gè)聊天界面那是分分鐘的事情了，機(jī)器人的回答有一個(gè)汽包等待動(dòng)畫(huà)，就像ChatGPT那樣，那是機(jī)器人在檢索數(shù)據(jù)。
前端代碼，通信部分大致是這樣的：
import { io } from "socket.io-client";
const socket = io("ws://localhost:3000");
// send a message to the server
socket.emit("message",{msg:"你好啊"},(data)=>{
if(data.code==0){
//渲染聊天數(shù)據(jù)
}
});效果提升
人任何時(shí)候都不能高估自己啊，要時(shí)刻提醒自己爬得高摔得重。通過(guò)幾天的努力，我的Chatbot已經(jīng)可以給你聊條對(duì)話了，可是效果如何呢，評(píng)測(cè)一下大致如下：
你好
你好
你在哪里
我在北京
上海在哪里
我在北京
科靈頓在哪里
我在北京簡(jiǎn)直是無(wú)聊，很多問(wèn)題的答復(fù)落在要給答案上！
其實(shí)這是預(yù)料之中的事情，為啥，一是因?yàn)檎Z(yǔ)料庫(kù)內(nèi)容有限，二是檢索結(jié)果沒(méi)有經(jīng)過(guò)任何優(yōu)化。Flexsearch對(duì)多關(guān)鍵字的檢索（multi-search）打分，偏離的離譜，只能自己去優(yōu)化。既然是開(kāi)源的，那就可以優(yōu)化，或者變著法子使用你的優(yōu)點(diǎn)，繞開(kāi)你的缺點(diǎn)。
優(yōu)化一，找最佳匹配結(jié)果
如果查到多個(gè)記錄，那就看看哪個(gè)匹配度最高，怎么計(jì)算匹配度高低呢？用了與i個(gè)簡(jiǎn)單的方法，那就是問(wèn)句中的所有分詞在哪個(gè)答案里出現(xiàn)的次數(shù)最多，就選則那個(gè)答案。
于是對(duì)查詢過(guò)程進(jìn)行優(yōu)化：
1）搜索前主動(dòng)分詞、去重、排除干擾字詞
2）搜索結(jié)果對(duì)比，尋找出現(xiàn)頻次最多的結(jié)果
于是，在chatter中實(shí)現(xiàn)如下搜索接口：
/**
* 復(fù)雜搜索入口，輸入一個(gè)整句，這里進(jìn)行分詞、去重、搜索、合并
* 同步函數(shù)
* @param {string} text
* @param {string} tag
* @returns
*/
function complexSearch(text,tag){
let words = encoder.encode2(text);
let arrIds= [];
let keys = [];
if(!words ||words.length==0){
return null;
}
if(words.length>keyLimit){
//去掉1字詞
words.forEach(element => {
if(element.length>1){
keys.push(element);
}
});
}else{
keys = words;
}
//限制搜索詞個(gè)數(shù)
if(keys.length>keyLimit){
keys = keys.slice(0,keyLimit);
}
//多次搜索，不使用flexsearch的multi-search
keys.forEach(key=>{
let result = search(key,tag);
if(result.length>0){
let ids = result[0].result;
arrIds.push(ids);
}
});
//取最優(yōu)結(jié)果
let result = null;
if(arrIds.length==1){
result = arrIds[0];
}else if(arrIds.length>1){
result = arrUtils.mixmix(arrIds);
}
return result;
}優(yōu)化后，測(cè)試一下，果然準(zhǔn)確度大幅攀升，基本上答復(fù)符合預(yù)期。
優(yōu)化二，優(yōu)化商務(wù)語(yǔ)料包，定義自有詞庫(kù)
這一步也很重要，商務(wù)語(yǔ)料包是用來(lái)回答客戶問(wèn)題的，盡量要簡(jiǎn)潔、通俗（符合大眾問(wèn)句習(xí)慣）、去除干擾詞。
例如，下面問(wèn)句，顯然第二句更好些：
你們公司的產(chǎn)品資料給我發(fā)一份吧
產(chǎn)品資料發(fā)一份然后就是定義詞庫(kù)，把客戶常用詞、公司的產(chǎn)品和術(shù)語(yǔ)做成一個(gè)詞典給分詞器，讓按照自定義詞典分詞，這樣檢索命中率就會(huì)更好。
優(yōu)化三，上下文相關(guān)搜索
上下文相關(guān)搜索是把相關(guān)的內(nèi)容放置在更優(yōu)先的反饋結(jié)果里，這樣智能機(jī)器人返回的結(jié)果就更像真人的聊天內(nèi)容，想想看，如果一次聊天對(duì)話能夠僅僅圍繞相同或相近的話題，是不是更有趣。
語(yǔ)料庫(kù)包
語(yǔ)料庫(kù)里放著所有的問(wèn)句和答句，如果要讓chatbot更加博學(xué)和聰明，就要不斷豐富你的語(yǔ)料庫(kù)。語(yǔ)料庫(kù)的答句風(fēng)格也就是chatbot的風(fēng)格，她可以是個(gè)溫柔的助理，也可以是個(gè)野蠻的匹夫，這些取決于你的語(yǔ)料內(nèi)容。
語(yǔ)料庫(kù)我把它分成兩個(gè)部分，用tag進(jìn)行標(biāo)注。一個(gè)是專(zhuān)用商務(wù)語(yǔ)料包，里面涵蓋了各類(lèi)客戶常見(jiàn)問(wèn)題和答案，這部分由我峨嵋你公司的商務(wù)人員負(fù)責(zé)提供和優(yōu)化，并且不斷豐富。一個(gè)是閑聊語(yǔ)料包，用于與客戶閑聊，應(yīng)對(duì)一些商務(wù)問(wèn)題之外的問(wèn)題，這個(gè)可以從網(wǎng)上搜，也可以通過(guò)商業(yè)渠道獲取。
最終，我們編輯了1000條商務(wù)語(yǔ)料，并從網(wǎng)上找了100萬(wàn)條閑聊語(yǔ)料。100萬(wàn)條多嗎，其實(shí)不多，全文搜索引擎幾個(gè)毫秒就可以索索一邊，不用擔(dān)心效率問(wèn)題。
最后的問(wèn)題，為什么不是ChatGPT
前面已經(jīng)說(shuō)過(guò)了，研發(fā)類(lèi)ChatGPT系統(tǒng)，需要的是人才、投入和海量的語(yǔ)料/資料，以及大量的語(yǔ)料清洗校正工作，所以一般的企業(yè)炒炒概念也就算了，這個(gè)艱巨的任務(wù)還是留給我們的科技巨頭吧。
ChatGPT是美國(guó)人工智能研究實(shí)驗(yàn)室OpenAI新推出的一種人工智能技術(shù)驅(qū)動(dòng)的自然語(yǔ)言處理工具，是全球技術(shù)精英經(jīng)過(guò)多年技術(shù)積累，花費(fèi)數(shù)十億美刀研發(fā)出的東西，ChatGPT不單是聊天機(jī)器人，還能進(jìn)行撰寫(xiě)郵件、視頻腳本、文案、翻譯、代碼等任務(wù)。ChatGPT使用了Transformer神經(jīng)網(wǎng)絡(luò)架構(gòu)，這是一種用于處理序列數(shù)據(jù)的模型，擁有語(yǔ)言理解和文本生成能力，尤其是它會(huì)通過(guò)連接大量的語(yǔ)料庫(kù)來(lái)訓(xùn)練模型，這些語(yǔ)料庫(kù)包含了真實(shí)世界中的對(duì)話，使得ChatGPT具備上知天文下知地理，還能根據(jù)聊天的上下文進(jìn)行互動(dòng)的能力，做到與真正人類(lèi)幾乎無(wú)異的聊天場(chǎng)景進(jìn)行交流。
ChatGPT受到關(guān)注的重要原因是引入新技術(shù)RLHF (Reinforcement Learning with Human Feedback，即基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí))。RLHF 解決了生成模型的一個(gè)核心問(wèn)題，即如何讓人工智能模型的產(chǎn)出和人類(lèi)的常識(shí)、認(rèn)知、需求、價(jià)值觀保持一致。ChatGPT是AIGC（AI- Generated Content，人工智能生成內(nèi)容）技術(shù)進(jìn)展的成果。
拋開(kāi)算法、算力的技術(shù)壁壘和投入，我們單從語(yǔ)料說(shuō)起，ChatGPT使用的語(yǔ)料是數(shù)百億條，除了聊天語(yǔ)料，還有海量的新聞資訊、天文地理、音樂(lè)繪畫(huà)、財(cái)經(jīng)政治等等書(shū)籍資料，也包括我們中文的大部分歷史文集、詩(shī)詞歌賦等。
傳統(tǒng)的Chatbot不具備、或者具備有限的智能，主要任務(wù)還是搜索和回答，再進(jìn)一步就是關(guān)聯(lián)上下文環(huán)境的互動(dòng)聊天，以及可插入任務(wù)中間件的互動(dòng)聊天，譬如問(wèn)天氣、問(wèn)路況、問(wèn)航班、問(wèn)行情、電器設(shè)備控制、行業(yè)問(wèn)題答疑等等，都在傳統(tǒng)聊天機(jī)器人的范疇之內(nèi)。而ChatGPT，則是具有了學(xué)習(xí)、模仿、關(guān)聯(lián)、歸納總結(jié)、創(chuàng)造等能力。
好了，聊到這里也算結(jié)束了，我的Chatbot還有很多地方需要優(yōu)化提升，希望您給出寶貴意見(jiàn)哦，您現(xiàn)在可以給她聊幾句了：??http://v.ruiboyun.cn/chat/??文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-419739.html
這個(gè)機(jī)器人腦路有限，多多包涵 ~:)文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-419739.html
到了這里，關(guān)于我開(kāi)發(fā)了一個(gè)溫柔的智能客服聊天機(jī)器人ChatBot，并回答為什么不是ChatGPT（附思路和代碼）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
