在學(xué)習(xí)新東西時是否感到不知所措？就像你淹沒在信息中但實際上沒有吸收任何東西？我們都去過那里。擁有一個了解您的水平并以簡單易懂的方式解釋事物的個性化學(xué)習(xí)伙伴不是很棒嗎？這正是我們要共同構(gòu)建的。

本教程將向您展示如何將 BotHub API 與 PyQt5 結(jié)合起來創(chuàng)建一個交互式且適應(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)。

準備您的工作空間

在開始構(gòu)建之前，讓我們先收集工具。我們需要一些關(guān)鍵的 Python 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，例如文件管理 (os)、計時 (datetime) 和數(shù)據(jù)處理 (json)。其他的，比如數(shù)據(jù)類和類型，可以幫助我們編寫干凈、有組織的代碼。真正的魔力發(fā)生在 openai 上，它讓我們能夠利用人工智能的力量。 dotenv 保證我們敏感信息（如 API 密鑰）的安全。最后，PyQt5 幫助我們創(chuàng)建了一個漂亮且直觀的用戶界面。

制定用戶請求

為了與我們的 AI 進行通信，我們將創(chuàng)建一個 UserRequest 類。這有助于組織用戶提供的信息：

@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)鍵信息：用戶的查詢（他們要問什么）、他們的用戶級別（初級、中級或高級）以及他們的偏好（比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對象中。

記住用戶會話

為了使學(xué)習(xí)體驗真正個性化，我們需要記住用戶做了什么以及他們喜歡如何學(xué)習(xí)。這就是 UserSession 類的用武之地：

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 跟蹤對話歷史記錄、用戶的首選項及其當(dāng)前級別。這就像有一個專門的助手，可以記住一切并適應(yīng)用戶的需求。

行動的大腦：教育助理

EducationalAssistant 類是我們應(yīng)用程序的核心。它負責(zé)與 BotHub API 交互：

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}"

這個類處理一些關(guān)鍵任務(wù)。首先，它使用您的 API 密鑰初始化與 BotHub 的連接（我們之前討論過）。它還設(shè)置一個 UserSession 來跟蹤交互。 generate_prompt 方法接受用戶的請求并將其轉(zhuǎn)換為 API 可以理解的提示。最后，generate_text_response 將提示發(fā)送到 API 并檢索 AI 生成的答案。

流暢且響應(yīng)迅速：GenerateResponseThread

為了避免讓用戶在 AI 思考時等待，我們將使用單獨的線程進行 API 調(diào)用：

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基于PyQt5的QThread，在后臺運行API請求，確保用戶界面保持響應(yīng)。

個性化體驗

每個人的學(xué)習(xí)方式都不同。為了滿足個人喜好，我們將創(chuàng)建一個 PreferencesDialog：

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

此對話框允許用戶自定義設(shè)置，例如 AI 的語氣、所需的響應(yīng)長度以及是否包含示例。這種級別的定制可確保更具吸引力和更有效的學(xué)習(xí)體驗。

構(gòu)建界面

最后，讓我們使用 EducationalAssistantGUI 類創(chuàng)建用戶界面：

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)

此類構(gòu)建主窗口，其中包括兩個選項卡：“聊天”和“歷史記錄”。 “聊天”選項卡允許用戶輸入查詢、選擇級別并查看人工智能的響應(yīng)。 “歷史記錄”選項卡顯示過去的對話，提供搜索和導(dǎo)出功能。

啟動你的人工智能學(xué)習(xí)伙伴

現(xiàn)在，讓我們將我們的創(chuàng)作變?yōu)楝F(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)構(gòu)建了自己的個性化 AI 學(xué)習(xí)助手。

---

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。您可以集成圖像生成或語音轉(zhuǎn)錄，而不僅僅是文本響應(yīng)。 BotHub 還允許您訪問多種 AI 模型，讓您可以為不同的任務(wù)選擇最佳的模型。想象一下，您的助手能夠總結(jié)復(fù)雜的主題、翻譯語言，甚至生成練習(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！

以上是教程：創(chuàng)建您自己的 AI 學(xué)習(xí)伙伴的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！