背景

    聊天机器人正在变成我们bukehuoque的工具，改变了如今的工作方式。甚至有人开玩笑说2023Web开发者做的HelloWorld项目不再是TodoList了而是AI聊天机器人，但是它还是被认为具有很高的开发门槛，被认为只有开发者才能构建出应用。但本文将教你如何无需编写任何代码创建自己的聊天机器人，在几分钟内训练任何网站数据，提供的思路和方法也适用于处理其他数据和其他场景。

    LangChain介绍

    随着OpenAI的发布，大型语言模型(LargeLanguageModel即LLM)正在成为一种变革性技术而席卷了世界，使开发人员能够构建他们以前无法构建的应用程序，但是单独使用这些LLM往往不足以创建一个真正强大的应用程序，但是当可以将它们与其他计算或知识来源相结合时，就有真的价值了。LangChain旨在帮助开发人员充分利用LLM的全部潜力，用于广泛的应用程序。LangChain围绕将不同组件“链接”在一起的核心概念构建，简化了与GPT-3、GPT-4等LLM合作的过程，使得我们可以轻松实现聊天机器人、生成式问答、文本摘要等功能。

    在这里你可以看到目前LangChain已经集成的模块

    高兴的是，LangChain不仅有python版本，还提供了JS/TS版本。

    Flowise介绍

    Flowise是基于️LangChainJS构建的可免费供商业和个人使用的免费开源项目，它有着一个非常易用的图形用户界面，旨在让人们轻松地可视化和构建LLM应用程序，也就是nocode开发LLM应用。类似的工具比这个还早的有langflow，但是因为Flowise它有着好看的UI界面以及这个项目就是js开发的，因此我选择Flowise。举个例子，下面的应用程序展示了一个基本的翻译机器人，同时也演示了如何格式化提示值，而实现下面这个你只需要简单拖拽就可以完成。

    而本文要构建网站聊天机器人，本质上和很常见的与已有pdf或者doc文档对话原理是一致的，这里引用一篇文章的示例图片

    本质上原理大致是：

    •将源文件切成多个文本片段，创建**Embeddings**然后存到向量数据库

    •将用户提问也创建**Embeddings**，将它和上一步创建好的向量对比，通过相近搜索找到相关的文本片段，它的特点是能发现文本相关性，比如汽车和公路

    •把问题和历史聊天还有相关片段一起发送给**LLM**它便能从中总结出回答