Créez un chatbot personnalisé de type ChatGP avec Chainlit

Ce didacticiel vous guidera dans la création d'un chatbot personnalisé à l'aide de Chainlit et de la solution AI Chatbot d'Eden AI avec RAG, fournissant un outil d'IA conversationnelle puissant et personnalisable pour diverses applications. 🙌

‍‍

Avantages d'Eden AI et de Chainlit pour le développement de chatbots basés sur l'IA

La solution de chatbot IA d'Eden AI avec RAG et Chainlit offre des avantages significatifs à ceux qui cherchent à créer et à personnaliser des chatbots IA.

Chainlit, un framework Python open source, permet de développer facilement des interfaces Conversation AI, permettant une personnalisation via différents fournisseurs.

D'autre part, la solution AI Chatbot d'Eden AI permet aux utilisateurs de créer et de former des chatbots IA à l'aide de leurs données spécifiques.

L'intégration du modèle avec des fournisseurs tels que IA ouverte, Cohère, et Google Cloud étend ses fonctionnalités, en remédiant à ses limites en permettant une intégration fluide des données et une formation dans plusieurs langages de programmation.

‍

‍

Comment créer un chatbot personnalisé à l'aide de ChainLit ?

‍

Étape 1 Prérequis

💡 Assurez-vous que les bibliothèques suivantes sont installées : chainlit, requêtes, json, dotenv, os

import chainlit as cl
import requests
import json
from dotenv import load_dotenv
import os
from typing import Optional
from chainlit.types import ThreadDict
from chainlit.input_widget import Select, Slider

‍

Étape 2 Paramètres du décorateur et du chat

Chainlit fonctionne avec des décorateurs pour gérer les interactions, vous devrez donc l'utiliser pour chacune des interactions que vous souhaitez gérer. Voici un exemple de décorateur, suivi de la fonction qui sera déclenchée lors de la publication d'un nouveau message.

@cl.on_message #The decorator
async def main(message: cl.Message):
   await cl.Avatar(
       name="AskYoda",
       path = "public/logo_light.png"   
       ).send()

‍

Vous pouvez également personnaliser les paramètres de chat à l'aide de CL.ChatSettings dans la fonction déclenchée :

cl.ChatSettings(
       [
           Select(
               id="llm_provider", 
               label="LLM Provider",
               values=["cohere", "amazon", "anthropic", "ai21labs", "openai", "google"],
               initial_index = 4          
               ),
           Select(
               id="llm_model",
               label="LLM Model",
               values= [
                   "command",
                   "command-light"
)])

‍

Étape 3 Récupérer les paramètres de chat

Vous pouvez récupérer les paramètres de chat sélectionnés comme suit :

llm_model = cl.user_session.get("llm_model")
llm_provider = cl.user_session.get("llm_provider")

‍

Étape 4 Créez un projet dans la solution AI Chatbot d'Eden AI

‍

1. Créez un compte

Pour commencer à utiliser la solution AI Chatbot, la première étape consiste à créez un compte gratuit sur Eden AI.

Une fois inscrit, vous pouvez obtenir votre clé API 🔑 directement depuis la page d'accueil. Cette clé peut ensuite être utilisée avec les crédits gratuits fournis par Eden AI.

‍2. Créer un nouveau projet

Une fois connecté, accédez au Solution de chatbot basé sur l'IA. Vous pouvez ensuite commencer par créer votre projet.

‍

3. Téléchargez vos données

Téléchargez les données sur lesquelles vous souhaitez entraîner votre chatbot.

‍

4. Discutez avec vos données

Une fois votre projet configuré, vous pouvez commencer à discuter sur l'interface en utilisant vos propres données :

Si vous voulez aller plus loin, consultez notre article sur notre site

‍

Étape 5 Passez des appels d'API à votre chatbot IA personnalisé

Avant d'effectuer des appels d'API, assurez-vous que le jeton porteur et l'ID de projet sont prêts :

headers = {"Authorization": f"Bearer {Api_Key}"}
url = f"https://api.edenai.run/v2/aiproducts/askyoda/{project_id}/ask_llm"

‍

Ensuite, collectez toutes les informations nécessaires et passez l'appel d'API à Eden AI :

json_payload = {"query" : f"{message.content}",
           "llm_provider" : llm_provider,
           "history" : history,
           "llm_model" : llm_model,
           #Customize the personnality of your assistant
           "personnality" : {},
           "chunks" : chunks
           }
   response = requests.post(url, json=json_payload, headers=headers)
   result = json.loads(response.text)

   if 'result' in result:
       a = str(result['result'])
       history.append({"user": f"{message.content}", "assistant": f"{a}"})
       # Send a response back to the user
       await cl.Message(
           content=f"{result['result']}", author = 'AskYoda'


       ).send()
   else:
       await cl.Message(
           content=f"Key 'result' not found in the response.  : {result}",
       ).send()

‍

Étape 6 Exécutez l'interface de chat

Pour exécuter votre interface ChatGPT personnalisée avec la solution AI Chatbot d'Eden AI à l'aide de Chainlit, tapez :

chainlit run app.py

Félicitations ! 😎 Vous avez créé votre propre interface de chatbot Eden AI à l'aide de Chainlit !

Vous pouvez désormais l'utiliser avec le LLM de votre choix parmi une sélection variée de fournisseurs sur Eden AI, notamment IA ouverte, Google, Cohère, Anthropique, Laboratoires AI21, Amazon, et bien d'autres encore !

Il est encore possible d'apporter d'autres améliorations, telles que l'authentification, la gestion de l'historique des discussions et l'ajout de fonctionnalités supplémentaires si nécessaire.

Explorez plus de possibilités avec la solution de chatbot IA de Chainlit et Eden AI pour créer de puissants agents conversationnels basés sur l'IA adaptés à vos besoins.

‍

7. Intégrez votre chat à votre application/produit

Le chat est déployable dans Copilot. En savoir plus sur le déploiement de Copilot ici.

Le Copilot est conçu pour aider les utilisateurs à optimiser leur expérience applicative en leur fournissant des conseils contextuels et en effectuant des actions en leur nom :