在學(xué)習(xí)新事物時是否感到不知所措？就像你淹沒在資訊中但實際上沒有吸收任何東西？我們都去過那裡。擁有一個了解您的水平並以簡單易懂的方式解釋事物的個人化學(xué)習(xí)夥伴不是很棒嗎？這正是我們要共同建構(gòu)的。

本教學(xué)將向您展示如何將 BotHub API 與 PyQt5 結(jié)合起來創(chuàng)建一個互動式且適應(yīng)性強的學(xué)習(xí)工具。它不僅僅是另一個聊天機器人；它是一個聊天機器人。它更像是私人導(dǎo)師，24/7 全天候提供服務(wù)。

準(zhǔn)備您的工作空間

在開始建造之前，讓我們先收集工具。我們需要一些關(guān)鍵的 Python 函式庫：

import os
import datetime
import json
from dataclasses import dataclass
from typing import List, Dict
from openai import OpenAI
from dotenv import load_dotenv
from PyQt5.QtCore import Qt, QThread, pyqtSignal
from PyQt5.QtGui import QMovie
from PyQt5.QtWidgets import (QApplication, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QLineEdit, QTextEdit, QRadioButton, QButtonGroup, QPushButton, QGroupBox, QListWidget, QListWidgetItem, QTabWidget, QFileDialog, QComboBox, QCheckBox, QMessageBox, QDialogButtonBox, QSpinBox, QFormLayout, QDialog, QDateEdit)

將這些庫視為工具包的不同部分。有些處理基礎(chǔ)知識，例如檔案管理 (os)、計時 (datetime) 和資料處理 (json)。其他的，像是資料類別和類型，可以幫助我們編寫乾淨(jìng)、有組織的程式碼。真正的魔力發(fā)生在 openai 上，它讓我們能夠利用人工智慧的力量。 dotenv 確保我們敏感資訊（如 API 金鑰）的安全。最後，PyQt5 幫助我們創(chuàng)建了一個漂亮且直覺的使用者介面。

制定用戶請求

為了與我們的 AI 進行通信，我們將建立一個 UserRequest 類別。這有助於組織使用者提供的資訊：

@dataclass
class UserRequest:
   query: str
   user_level: str
   preferences: Dict

使用方便的@dataclass 裝飾器，我們定義了三個關(guān)鍵資訊：使用者的查詢（他們要問什麼）、他們的使用者等級（初級、中級或高級）以及他們的偏好（例如他們想要查詢多長時間）回應(yīng)是）。這將所有內(nèi)容整齊地打包到一個物件中。

記住使用者會話

為了讓學(xué)習(xí)體驗真正個人化，我們需要記住使用者做了什麼以及他們喜歡如何學(xué)習(xí)。這就是 UserSession 類別的用武之地：

class UserSession:
   def __init__(self):
       self.history: List[Dict] = []
       self.preferences: Dict = {}
       self.level: str = "beginner"


   def add_to_history(self, query, response):
       self.history.append({"query": query, "response": response, "timestamp": datetime.datetime.now().isoformat()})


   def update_preferences(self, new_preferences):
       self.preferences.update(new_preferences)

UserSession 追蹤對話歷史記錄、使用者的首選項及其目前層級。這就像有一個專門的助手，可以記住一切並適應(yīng)用戶的需求。

行動的大腦：教育助理

EducationalAssistant 類別是我們應(yīng)用程式的核心。它負(fù)責(zé)與 BotHub API 互動：

class EducationalAssistant:
   def __init__(self):
       load_dotenv()
       self.client = OpenAI(api_key=os.getenv('BOTHUB_API_KEY'), base_url='https://bothub.chat/api/v2/openai/v1')
       self.session = UserSession()


   def generate_prompt(self, request):
       prompt = f"""As an educational assistant, provide a response for a {request.user_level} level student.
       Query: {request.query}\n"""


       if request.preferences:
           prompt += "Consider these preferences:\n"
           for key, value in request.preferences.items():
               if key == "response_length":
                   prompt += f"Desired Length: Approximately {value} words\n"
               elif key == "include_examples" and value:
                   prompt += "Include Examples: Yes\n"
               else:
                   prompt += f"{key.capitalize()}: {value}\n"


       prompt += "Please provide a detailed explanation."
       return prompt
   def generate_text_response(self, request):
       try:
           response = self.client.chat.completions.create(
               model="claude-3.5-sonnet", // u can use any model in "Models available" on BotHub
               messages=[
                   {"role": "system", "content": "You are an educational assistant."},
                   {"role": "user", "content": self.generate_prompt(request)}
               ]
           )
           return response.choices[0].message.content
       except Exception as e:
           return f"Error generating text response: {e}"

這個類別處理一些關(guān)鍵任務(wù)。首先，它使用您的 API 金鑰初始化與 BotHub 的連線（我們之前討論過）。它還設(shè)定一個 UserSession 來追蹤互動。 generate_prompt 方法接受使用者的請求並將其轉(zhuǎn)換為 API 可以理解的提示。最後，generate_text_response 將提示傳送到 API 並檢索 AI 產(chǎn)生的答案。

流暢且反應(yīng)迅速：GenerateResponseThread

為了避免讓使用者在 AI 思考時等待，我們將使用單獨的執(zhí)行緒進行 API 呼叫：

import os
import datetime
import json
from dataclasses import dataclass
from typing import List, Dict
from openai import OpenAI
from dotenv import load_dotenv
from PyQt5.QtCore import Qt, QThread, pyqtSignal
from PyQt5.QtGui import QMovie
from PyQt5.QtWidgets import (QApplication, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QLineEdit, QTextEdit, QRadioButton, QButtonGroup, QPushButton, QGroupBox, QListWidget, QListWidgetItem, QTabWidget, QFileDialog, QComboBox, QCheckBox, QMessageBox, QDialogButtonBox, QSpinBox, QFormLayout, QDialog, QDateEdit)

這個GenerateResponseThread基於PyQt5的QThread，在背景執(zhí)行API請求，確保使用者介面保持回應(yīng)。

個人化體驗

每個人的學(xué)習(xí)方式都不同。為了滿足個人喜好，我們將建立一個 PreferencesDialog：

@dataclass
class UserRequest:
   query: str
   user_level: str
   preferences: Dict

此對話框允許使用者自訂設(shè)置，例如 AI 的語氣、所需的回應(yīng)長度以及是否包含範(fàn)例。這種程度的客製化可確保更具吸引力和更有效的學(xué)習(xí)體驗。

建構(gòu)介面

最後，讓我們使用 EducationalAssistantGUI 類別建立使用者介面：

class UserSession:
   def __init__(self):
       self.history: List[Dict] = []
       self.preferences: Dict = {}
       self.level: str = "beginner"


   def add_to_history(self, query, response):
       self.history.append({"query": query, "response": response, "timestamp": datetime.datetime.now().isoformat()})


   def update_preferences(self, new_preferences):
       self.preferences.update(new_preferences)

此類建置主窗口，其中包括兩個選項卡：「聊天」和「歷史記錄」。 「聊天」標(biāo)籤允許使用者輸入查詢、選擇等級並查看人工智慧的回應(yīng)。 「歷史記錄」標(biāo)籤顯示過去的對話，提供搜尋和匯出功能。

啟動你的人工智慧學(xué)習(xí)夥伴

現(xiàn)在，讓我們將我們的創(chuàng)作變成現(xiàn)實：

class EducationalAssistant:
   def __init__(self):
       load_dotenv()
       self.client = OpenAI(api_key=os.getenv('BOTHUB_API_KEY'), base_url='https://bothub.chat/api/v2/openai/v1')
       self.session = UserSession()


   def generate_prompt(self, request):
       prompt = f"""As an educational assistant, provide a response for a {request.user_level} level student.
       Query: {request.query}\n"""


       if request.preferences:
           prompt += "Consider these preferences:\n"
           for key, value in request.preferences.items():
               if key == "response_length":
                   prompt += f"Desired Length: Approximately {value} words\n"
               elif key == "include_examples" and value:
                   prompt += "Include Examples: Yes\n"
               else:
                   prompt += f"{key.capitalize()}: {value}\n"


       prompt += "Please provide a detailed explanation."
       return prompt
   def generate_text_response(self, request):
       try:
           response = self.client.chat.completions.create(
               model="claude-3.5-sonnet", // u can use any model in "Models available" on BotHub
               messages=[
                   {"role": "system", "content": "You are an educational assistant."},
                   {"role": "user", "content": self.generate_prompt(request)}
               ]
           )
           return response.choices[0].message.content
       except Exception as e:
           return f"Error generating text response: {e}"

恭喜！您已經(jīng)建立了自己的個人化 AI 學(xué)習(xí)助理。

---

現(xiàn)在您已經(jīng)有了一個可以運行的應(yīng)用程序，請考慮如何使其變得更好！ BotHub API 提供了很大的靈活性。您可以整合圖像生成或語音轉(zhuǎn)錄，而不僅僅是文字回應(yīng)。 BotHub 還允許您存取多種 AI 模型，讓您可以為不同的任務(wù)選擇最佳的模型。想像一下，您的助手能夠總結(jié)複雜的主題、翻譯語言，甚至產(chǎn)生練習(xí)測驗！可能性是巨大的。你已經(jīng)打下了堅實的基礎(chǔ)；現(xiàn)在就出發(fā)去探索吧！

以上是教學(xué)：創(chuàng)建您自己的 AI 學(xué)習(xí)夥伴的詳細(xì)內(nèi)容。更多資訊請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！