Entfesseln Sie die Macht von ChatGPT: Eine umfassende Video-Serie zum Aufbau eines ChatGPT Rezept-Chatbots

Willkommen zu unserer neuesten Videoreihe "How to Build a ChatGPT-powered Recipe Chatbot with Botpress".

In dieser Serie führen wir Sie durch den Prozess der Erstellung eines ChatGPT Rezept-Chatbots von Grund auf und nutzen dabei die leistungsstarken Funktionen von Botpress generative AI . Unsere Schritt-für-Schritt-Videoserie soll Anfängern helfen, das volle Potenzial von Botpress und ChatGPT zu erschließen. 

In diesen Videos lernen Sie wichtige Fähigkeiten zur Erstellung von Chatbots kennen, wie z. B. das Erfassen von Benutzerinformationen, das Durchführen von API-Aufrufen, das Anzeigen von Inhalten in Karussells und die Nutzung der Leistungsfähigkeit von KI-Aufgaben zur Gestaltung interaktiver, ansprechender Konversationen.

In der Videoreihe geht es zwar um einen Rezept-Chatbot, aber keine Sorge - die Fähigkeiten, die Sie erlernen, können auch in vielen anderen Situationen eingesetzt werden: Hotelbuchungen, Versicherungsangebote, Chats mit dem Kundendienst - was immer Sie wollen. Sie alle verwenden so ziemlich dieselbe dreiteilige Struktur, wenn sie mit Benutzern sprechen. Wenn Sie also mit uns zusammenarbeiten, sind Sie auf dem besten Weg, Ihren eigenen ChatGPT Chatbot für Ihr Unternehmen zu erstellen, unabhängig davon, welche Branche oder Anwendung Sie im Sinn haben.

Video-Serien-Aufschlüsselung

Video 1: Überblick

Im ersten Video der Recipe Bot-Videoserie stellt unser Gordy von Botpress das Chatbot-Projekt vor, das wir gemeinsam entwickeln werden. Dieser Chatbot soll Nutzern bei der Planung ihres Abendessens helfen, indem er ihnen Rezepte basierend auf ihren Vorlieben empfiehlt. Gordy führt uns durch die drei Hauptabschnitte des Chatbots: Erfassung von Benutzerinformationen, Verwendung einer API zum Abrufen von Rezepten und Bereitstellung kontextbezogener Fragen und Antworten

Eine der interessantesten Funktionen, die Gordy hervorhebt, ist die KI-Aufgabenkarte, die ChatGPT nutzt, um den Chatbot-Erstellungsprozess zu vereinfachen und ihn schneller und einfacher als je zuvor zu gestalten. Am Ende des ersten Videos werden Sie gespannt auf den Rest der Serie sein, in der wir einen neuen Bot erstellen und den Rezept-Chatbot von Grund auf neu aufbauen werden.

Video 2: Erfassen von Informationen

Im zweiten Video unserer Serie beginnt Gordy gleich mit der ersten Phase der Erstellung unseres Chatbots: der Erfassung von Benutzerinformationen. Er führt uns durch den Prozess der Erstellung eines neuen Bots und der Bereinigung der Standardvorlage, um eine saubere Grundlage für das Projekt zu schaffen. Um den Chatbot zu planen, erstellt Gordy leere Knoten für jede Aufgabe, beginnend mit der Begrüßung des Benutzers, der Frage nach der Anzahl der Personen, der Erkundigung nach den Ernährungsgewohnheiten und schließlich der Abfrage eines Rezepts. 

Gordy demonstriert, wie man die "Capture Card" verwendet, um Benutzerinformationen, wie z. B. die Anzahl der Personen, zu erfassen und in einer Variablen zu speichern. Dann geht er zur Erfassung von Ernährungspräferenzen über, indem er benutzerdefinierte Optionen für den Benutzer zur Auswahl erstellt. Der letzte Schritt besteht in der Nutzung von ChatGPT , um die Rezeptsuchanfrage zu bearbeiten. Mithilfe einer KI-Aufgabenkarte weist Gordy ChatGPT an, die Eingaben des Nutzers zu klassifizieren und relevante Schlüsselwörter zu extrahieren. 

Während des gesamten Videos testet Gordy jeden Schritt im Botpress Emulator, um sicherzustellen, dass alles wie vorgesehen funktioniert. Mit dem Grundgerüst des Bots ist die Bühne für das nächste Video bereitet, in dem wir lernen werden, wie man die Karte "Code ausführen" verwendet, um eine externe API aufzurufen und echte Rezepte für den Benutzer abzurufen. Bleiben Sie dran für weitere spannende Bot-Bau-Abenteuer!

Video 3: Aufrufen einer externen API

Im dritten Video der Serie fährt Gordy fort, den Chatbot mit den Funktionen von Botpress Studio generative AI zu erstellen. In dieser Folge konzentriert er sich auf die Verwendung einer externen API, um reale Daten auf der Grundlage der Benutzereingaben abzurufen. Bei der verwendeten API handelt es sich um Spoonacular, die eine große Lebensmitteldatenbank und ein großzügiges kostenloses Angebot bietet.

Nachdem er sich bei Spoonacular angemeldet und einen API-Schlüssel erhalten hat, zeigt Gordy, wie man Umgebungsvariablen im Botpress Studio verwendet, um den API-Schlüssel sicher zu speichern und zu verwalten. Anschließend skizziert er einen Plan für den Aufruf der API und die Verarbeitung der Daten. 

Um den für den API-Aufruf erforderlichen Code zu schreiben, nutzt Gordy die GPT-Funktion "Execute Code" von Botpress. Mit einer detaillierten Eingabeaufforderung veranlasst er GPT, den erforderlichen Code zu generieren, der die Verarbeitung der API-Aufrufparameter und die Speicherung der Ergebnisse im Workflow umfasst. Anschließend modifiziert er einen Knoten, um die Ergebnisse des API-Aufrufs als Text anzuzeigen. 

Beim Testen des Chatbots im Emulator ruft der API-Aufruf erfolgreich eine große Menge an Informationen ab. Im nächsten Video wird Gordy sich darauf konzentrieren, diese Daten in ein visuell ansprechendes Karussell zu verwandeln, das dem Nutzer ein leichter verdauliches und ansprechendes Erlebnis bietet.

Video 4: Dynamische Anzeige von Inhalten in einem Karussell

Nach dem Abrufen von Daten aus der externen API von Spoonacular im vorherigen Video liegt der Schwerpunkt dieses vierten Videos auf dem Parsen der Daten und der Umwandlung von einem großen Textblock in ein visuell ansprechendes Karussell. Gordy demonstriert, wie ein fertiges Karussell aussieht, mit Bildern, Titeln und Schaltflächen für jedes Rezept. Die Herausforderung besteht darin, die Rohdaten aus der API in dieses benutzerfreundliche Format zu bringen. 

Um das Karussell zu erstellen, verwendet Gordy erneut Botpress' GPT "Execute Code" Funktion, um den notwendigen Code zu schreiben. Der generierte Code erfordert zwar einige manuelle Anpassungen, aber GPT bietet eine solide Ausgangsbasis. Anschließend geht er dazu über, Code für die Handhabung einer unterschiedlichen Anzahl von Rezepten zu schreiben, die von der API zurückgegeben werden, und zeigt, wie GPT auch für Übergänge verwendet werden kann.

Nachdem er die erforderlichen Knoten eingerichtet und mit den richtigen Variablennamen versehen hat, testet Gordy den Chatbot und erzeugt erfolgreich ein Karussell mit drei Rezeptkarten. 

Video 5: Aufrufen einer externen API

Im Mittelpunkt des fünften Videos steht die Integration von ChatGPT für kontextbezogene Fragen und Antworten, die es den Nutzern ermöglichen, Fragen zu den Rezepten aus der Spoonacular API zu stellen und relevante, präzise Antworten zu erhalten.

Um dies zu erreichen, plant Gordy eine Reihe von Knotenpunkten, die den Benutzer zu Fragen auffordern, diese mit ChatGPT beantworten und ihn fragen, ob er weitere Fragen hat. Er demonstriert den Prozess der Einrichtung der KI-Aufgaben und -Übergänge und betont, wie wichtig es ist, kontextbezogene Informationen bereitzustellen und der KI ein "Out" zu geben, um Halluzinationen zu vermeiden.

Gordy zeigt, wie man eine Chatverlaufsvariable erstellt, indem er ein Stück Code ausführt und sicherstellt, dass der Chatbot die 5.000-Zeichen-Grenze für die Eingabeaufforderung respektiert. Anschließend testet er den Chatbot, indem er ihm verschiedene Fragen zu den Rezepten stellt, und die KI gibt erfolgreich genaue und kontextbezogene Antworten.

Video 6: Veröffentlichen und Weitergeben des Bot

Das sechste Video in unserer Serie geht von der Bot-Erstellung zum Bot-Sharing über. Gordy erklärt, wie man den Recipe-Bot auf einer Website veröffentlicht und einbettet, damit ein größeres Publikum mit dem Chatbot interagieren kann. Mit nur einem Klick ermöglicht das Botpress Cloud Studio die Veröffentlichung des Bots. Anschließend können wir über die Schaltfläche "Teilen" einen Link verteilen, über den andere mit dem Bot interagieren können.

Um den Bot in eine Website zu integrieren, demonstriert Gordy die Verwendung des Webkanals im Botpress Admin Dashboard. Er kopiert den bereitgestellten Code und bettet ihn in eine GitHub-Seite ein, sodass der Bot direkt über die Website zugänglich ist.

Video 7: Mit KI dem Bot eine Persönlichkeit geben

Im siebten Video der Serie zeigt Gordy, wie wir den Rezeptbot mit Hilfe der KI-Persönlichkeitsfunktion einladender gestalten können. Das Ziel, dem Rezeptbot eine Persönlichkeit zu geben, besteht darin, ihn in einen lebendigen Gesprächspartner zu verwandeln und sich wiederholende Interaktionen zu vermeiden.

Um einen Bot mit verschiedenen Begrüßungs- oder Fragestilen auszustatten, musste er bisher manuell erstellt werden, was ziemlich zeitaufwendig sein konnte. Mit der KI-Persönlichkeitsfunktion in Botpress wird der Prozess viel einfacher.

Gordy navigiert zu den Chatbot-Einstellungen und demonstriert die "Persönlichkeitsumformung". Durch die Beschreibung des gewünschten Persönlichkeitstyps - in diesem Fall ein Zeichentrickkoch aus einem Kinderfilm - kann er den Kommunikationsstil des Bots beeinflussen, einschließlich der Verwendung von Emojis. 

Das Schöne an der KI-Persönlichkeitsfunktion ist, dass sie es ermöglicht, eine konsistente Bot-Persönlichkeit während der gesamten Konversation zu zeigen, unabhängig davon, in welche Richtung sie geht.

Video 8: Wie man mit Gesprächsfehlern umgeht

Im achten Video der Recipe Bot-Reihe geht Gordy auf das Konzept der "Fallbacks" ein - wichtige Notfallpläne für unerwartete Benutzerreaktionen und unkooperative Benutzer. Das Ziel? Robustere und widerstandsfähigere Konversationsabläufe mit unserem Recipe Bot zu schaffen.

Gordy beginnt damit, mögliche Probleme bei der ursprünglichen Frage des Bots zu identifizieren, z. B. wenn ein Benutzer unklare oder ungewöhnliche Antworten gibt. Hierfür bietet das Studio eine einfache Lösung: Wiederholungsversuche. Indem wir die Anzahl der Wiederholungsversuche erhöhen, können wir die Detailgenauigkeit unserer Eingabeaufforderung subtil erhöhen, um eine präzisere Antwort vom Benutzer zu erhalten.

Wiederholungsversuche allein sind jedoch nicht immer ausreichend. Für Szenarien, in denen ein Benutzer nicht durchführbare Antworten gibt (z. B. wenn er ein Rezept für eine Million Menschen benötigt), führt Gordy das Konzept der Validierung ein. Mit der Validierung können wir genaue Regeln für die Daten festlegen, die eine Erfassungskarte extrahiert. 

Die dritte Ebene der Fallback-Planung umfasst Übergänge für den Umgang mit Fehlern, die hinzugefügt werden können, wenn der Bot nach Ausschöpfung der Wiederholungsversuche nicht die richtigen Informationen aus dem Benutzer herausholen kann. Dies verhindert, dass der Bot in einer Schleife stecken bleibt, in der er dieselbe Frage wiederholt, und ermöglicht stattdessen einen natürlichen Verlauf des Gesprächs.

Video 9: Gedankenkette als Anregung

Im neunten Teil der Serie bringt Gordy den Recipe Bot auf die nächste Stufe, indem er die Robustheit seiner KI-Aufgaben verbessert und sich mit KI-Halluzinationen befasst.

Zu Beginn des Videos stellt Gordy eine interessante Herausforderung vor: Was ist, wenn ein Benutzer etwas anfordert, das nichts mit dem Zweck unseres Bots zu tun hat, wie etwa ein Minecraft-Rezept? Um solche Anfragen zu behandeln und unnötige API-Aufrufe zu vermeiden, implementiert Gordy eine Klassifizierungsaufgabe. Diese anfängliche Aufgabe filtert die Nachricht des Benutzers und stellt fest, ob es sich um eine "Essensrezept"-Anfrage handelt oder ob sie "außerhalb des Bereichs" liegt. Anschließend verwenden wir eine Transition, um einen Fallback-Knoten zu erstellen, der Fragen abfängt, die nicht in den Bereich fallen, und den Benutzer über die spezifische Funktion des Bots informiert.

Der zweite Teil des Videos befasst sich mit einer faszinierenden KI-Herausforderung: KI-Halluzinationen. Diese treten auf, wenn ein KI-Modell wie ChatGPT selbstbewusst etwas behauptet, das faktisch falsch ist. Gordy schlägt zwei Strategien vor, um dies zu bekämpfen - (1) die Bereitstellung von Sachinformationen in der Eingabeaufforderung und (2) die Anwendung einer Technik namens Chain of Thought prompting.

Das von Google entwickelte Chain of Thought Prompting zerlegt komplexe Probleme in kleinere Komponenten. Jede dieser Komponenten wird dann von der KI verarbeitet, und die Antworten werden verwendet, um eine endgültige, sachlich korrekte Antwort zu generieren. Gordy demonstriert, wie diese Technik im Studio implementiert werden kann, um die Genauigkeit des Recipe Bot zu verbessern, insbesondere bei komplexen Nutzeranfragen.

Video 10: Verwendung der Recipe Bot-Vorlage

Im zehnten und letzten Video der Serie schließt Gordy den Kreis der Rezeptbot-Reise. Er beginnt damit, dass er uns zeigt, wie wir auf den Bot zugreifen können, den wir im Botpress Studio von Grund auf aufgebaut haben.

Als Nächstes lernen wir eine wichtige Komponente kennen, um die Bot-Vorlage zum Laufen zu bringen: das Hinzufügen eines API-Schlüssels. Nach der Erstellung eines Kontos bei Spoonacular und dem Erhalt des Schlüssels wird dieser dem Bot im Studio hinzugefügt, und schon ist der Recipe Bot bereit, kulinarische Fragen zu beantworten.

Der Vorlagen-Bot ist mit allen in der Serie vorgestellten Funktionen ausgestattet, einschließlich des Chain of Thought-Workflows. Wenn Sie jedoch möchten, dass der Bot nur die endgültige Antwort ohne den gesamten Chain-of-Thought-Prozess anbietet, zeigt Gordy, wie Sie den Workflow leicht ändern können.

Das letzte Video unterstreicht die Flexibilität und Anpassungsfähigkeit von Botpress und zeigt, wie eine Bot-Vorlage - vollgepackt mit einer Vielzahl von Funktionen - den Bot-Erstellungsprozess von der Idee bis zum voll funktionsfähigen Proof of Concept beschleunigen kann.

Code-Schnipsel

Codeschnipsel, der in Video 3 erscheint, um Spoonacular API aufzurufen

var options = {
  method: 'GET',
  url: 'https://api.spoonacular.com/recipes/complexSearch',
  params: {
    query: workflow.baseQuery,
    diet: encodeURIComponent(workflow.dietType),
    apiKey: env.apiKey,
    number: '3',
    ignorePantry: 'false',
    sort: 'popularity',
    sortDirection: 'asc',
    addRecipeInformation: 'true',
    addRecipeNutrition: 'false'
  }
}
const response = await axios.request(options)
if (response.status == 200) {
  workflow.recipes = response.data.results
} else {
  console.log(`API call failed with status code ${response.status}`)
}

Codeschnipsel, der in Video 4 erscheint, um das Rezeptkarussell darzustellen

workflow.recipes = []
const myCards = workflow.recipeInfo.map((recipe) => {
  workflow.recipes.push({
    title: recipe.title,
    vegetarian: recipe.vegetarian,
    vegan: recipe.vegan,
    glutenFree: recipe.glutenFree,
    dairyFree: recipe.dairyFree,
    veryHealthy: recipe.veryHealthy,
    cheap: recipe.cheap,
    veryPopular: recipe.veryPopular,
    readyInMinutes: recipe.readyInMinutes,
    servings: recipe.servings,
    summary: recipe.summary
  })
  // create the card object
  return {
    type: 'card',
    title: {
      dynamicValue: `${recipe.title}`,
      valueType: 'dynamic'
    },
    subtitle: {
      dynamicValue: '',
      valueType: 'dynamic'
    },
    imageUrl: {
      dynamicValue: `${recipe.image}`,
      valueType: 'dynamic'
    },
    actions: [
      {
        action: 'url',
        label: 'View Recipe',
        value: `${recipe.sourceUrl}`
      }
    ]
  }
})
workflow.cards = []
for (var card of myCards) {
  workflow.cards.push({
    //in order to render a card, we only need these three fields
    title: card.title,
    imageUrl: card.imageUrl,
    actions: card.actions[0]
  })
}

Codeschnipsel, der in Video 5 erscheint, um den Chatverlauf vorzubereiten

workflow.chatHistory = []
event.state.session.history.map((message) => {
  if (message.preview != 'What would you like to know about these recipes?') {
    workflow.chatHistory.push(`${message.sender}:${message.preview}`)
  }
})

const myStr = `Using the provided recipe information and chat history as context, try to answer the question as honestly as possible. If you don't know the answer, say "I don't know." 

Your answer should be friendly and complete, using the same words from the question as much as possible.
Recipe info: ${JSON.stringify(workflow.recipeInfo)}
Chat history: ${JSON.stringify(workflow.chatHistory)}
User question: ${event.preview}}`
console.log(`The prompt is ${myStr.length} characters long`)
if (myStr.length > 5000) {
  console.log('The prompt is too long! Omitting the chat history...')
  workflow.chatHistory = []
}

Schlussfolgerung

In dieser umfassenden Videoreihe erkundete Gordy den Prozess der Erstellung eines ChatGPT-gestützten Rezept-Chatbots mit Botpress. Die Serie behandelte grundlegende Chatbot-Erstellungstechniken wie die Erfassung von Benutzerinformationen, API-Aufrufe, die Anzeige von Inhalten in Karussells und die Nutzung der Leistung von KI-Aufgaben zur Erstellung interaktiver, ansprechender Konversationen. Wir haben uns auch mit fortgeschritteneren Themen befasst, wie der Integration von ChatGPT für kontextbezogene Fragen und Antworten, dem Bot eine lebendige Persönlichkeit zu verleihen, Fallbacks zu erstellen und eine Gedankenkette zu erstellen.

Falls Sie es noch nicht getan haben, laden wir Sie ein, die Videoreihe zu erkunden und mit der Erstellung Ihres eigenen chatbots unter Botpress zu beginnen. Die Fähigkeiten und Techniken, die beim Bau des Rezept-Bots gezeigt werden, lassen sich auf eine Vielzahl von Chatbot-Anwendungen in verschiedenen Branchen übertragen. Nach Abschluss der Serie möchten wir Sie ermutigen, uns bei unserer nächsten Bot-Bau-Serie zu begleiten!

Mit den Möglichkeiten von ChatGPT und Botpress sind Sie nun bestens gerüstet, um dynamische, ansprechende chatbots zu erstellen, die auf die spezifischen Bedürfnisse Ihrer Organisation zugeschnitten sind. Legen Sie los - es ist kostenlos!

Viel Spaß beim Bot-Bauen!