Exploiter la puissance de ChatGPT: Une série complète de vidéos sur la construction d'un chatbot de recettes ChatGPT

Bienvenue dans notre dernière série de vidéos, "How to Build a ChatGPT-powered Recipe Chatbot with Botpress."

Dans cette série, nous vous guiderons à travers le processus de création d'un chatbot de recette ChatGPT à partir de zéro, en tirant parti des puissantes fonctionnalités de Botpress'generative AI . Notre série de vidéos étape par étape est conçue pour aider les créateurs débutants à exploiter tout le potentiel de Botpress et ChatGPT. 

Tout au long de ces vidéos, vous apprendrez les compétences essentielles à la construction d'un chatbot, telles que la capture d'informations sur les utilisateurs, les appels d'API, l'affichage de contenu dans des carrousels et l'exploitation de la puissance des tâches d'IA pour concevoir des conversations interactives et attrayantes.

La série de vidéos est peut-être consacrée à un chatbot de recettes, mais ne vous inquiétez pas : les compétences que vous allez acquérir peuvent être utilisées dans de nombreuses autres situations : réservations d'hôtel, devis d'assurance, discussions avec le service clientèle - tout ce que vous voulez. Ils utilisent tous à peu près la même structure en trois parties lorsqu'ils parlent avec les utilisateurs. Ainsi, en construisant avec nous, vous serez sur la bonne voie pour créer votre propre chatbot ChatGPT pour votre organisation, quel que soit le secteur d'activité ou l'application que vous avez en tête.

Décomposition de la série vidéo

Vidéo 1 : Vue d'ensemble

Dans la première vidéo de la série Recipe Bot, Gordy, de Botpress , présente le projet de chatbot que nous allons construire ensemble. Ce chatbot est conçu pour aider les utilisateurs à planifier leur dîner en leur recommandant des recettes basées sur leurs préférences. Gordy nous présente les trois sections principales du chatbot : la capture des informations de l'utilisateur, l'utilisation d'une API pour récupérer les recettes et la fourniture de questions et réponses contextuelles.

L'une des fonctionnalités les plus intéressantes que Gordy met en avant est la carte de tâches AI, qui s'appuie sur ChatGPT pour simplifier le processus de construction du chatbot, en le rendant plus rapide et plus facile que jamais. À la fin de la première vidéo, vous serez impatient de vous plonger dans la suite de la série, où nous créerons un nouveau chatbot et construirons le chatbot de recette à partir de zéro.

Vidéo 2 : Saisir l'information

Dans la deuxième vidéo de notre série, Gordy se lance directement dans la première étape de la construction de notre chatbot : la capture des informations de l'utilisateur. Il nous guide tout au long du processus de création d'un nouveau chatbot et de nettoyage du modèle par défaut afin de faire table rase du projet. Pour planifier le chatbot, Gordy crée des nœuds vides pour chaque tâche, en commençant par saluer l'utilisateur, demander le nombre de personnes, s'enquérir des préférences alimentaires et enfin obtenir une requête de recherche de recette. 

Gordy montre comment utiliser la "carte de capture" pour extraire des informations sur l'utilisateur, telles que le nombre de personnes, et les stocker dans une variable. Il passe ensuite à la capture des préférences alimentaires en créant des options personnalisées parmi lesquelles l'utilisateur peut choisir. L'étape finale consiste à exploiter le site ChatGPT pour traiter la requête de recherche de recettes. À l'aide d'une carte de tâches d'IA, Gordy demande à ChatGPT de classer les données de l'utilisateur et d'en extraire les mots-clés pertinents. 

Tout au long de la vidéo, Gordy teste chaque étape dans l'émulateur Botpress pour s'assurer que tout fonctionne comme prévu. Le squelette de base du bot étant en place, le décor est planté pour la prochaine vidéo, où nous apprendrons à utiliser la carte "Execute Code" pour appeler une API externe et récupérer des recettes du monde réel pour l'utilisateur. Restez à l'écoute pour d'autres aventures passionnantes de construction de robots !

Vidéo 3 : Appel d'une API externe

Dans la troisième vidéo de la série, Gordy continue à construire le chatbot en utilisant les fonctionnalités generative AI de Botpress Studio. Dans cet épisode, il se concentre sur l'utilisation d'une API externe pour récupérer des données du monde réel en fonction des entrées de l'utilisateur. L'API utilisée est Spoonacular, qui offre une grande base de données alimentaires et un niveau gratuit généreux.

Après s'être inscrit à Spoonacular et avoir obtenu une clé API, Gordy montre comment utiliser les variables d'environnement dans le Studio Botpress pour stocker et gérer la clé API en toute sécurité. Il décrit ensuite un plan pour appeler l'API et traiter les données. 

Pour écrire le code nécessaire à l'appel de l'API, Gordy utilise la fonction GPT "Execute Code" de Botpress. En fournissant une invite détaillée, il demande à GPT de générer le code nécessaire, qui comprend le traitement des paramètres de l'appel API et l'enregistrement des résultats dans le flux de travail. Il modifie ensuite un nœud pour afficher les résultats de l'appel API sous forme de texte. 

En testant le chatbot dans l'émulateur, l'appel à l'API a permis de récupérer une grande quantité d'informations. Dans la prochaine vidéo, Gordy se concentrera sur la transformation de ces données en un carrousel visuellement attrayant, présentant à l'utilisateur une expérience plus digeste et plus engageante.

Vidéo 4 : Affichage dynamique de contenu dans un carrousel

Après avoir récupéré les données de l'API externe de Spoonacular dans la vidéo précédente, cette quatrième vidéo se concentre sur l'analyse des données et leur conversion d'un gros bloc de texte en un carrousel visuellement attrayant. Gordy montre à quoi ressemble un carrousel terminé, avec des images, des titres et des boutons pour chaque recette. Le défi consiste à transformer les données brutes de l'API en ce format convivial. 

Pour créer le carrousel, Gordy utilise à nouveau la fonction GPT "Execute Code" de Botpresspour l'aider à écrire le code nécessaire. Bien que le code généré nécessite quelques ajustements manuels, GPT fournit un point de départ solide. Il passe ensuite à l'écriture du code pour gérer différents nombres de recettes renvoyées par l'API et montre comment GPT peut également être utilisé pour les transitions.

Après avoir configuré les nœuds nécessaires et leur avoir attribué les noms de variables corrects, Gordy teste le chatbot et génère avec succès un carrousel avec trois fiches de recettes. 

Vidéo 5 : Appel d'une API externe

La cinquième vidéo met l'accent sur l'intégration de ChatGPT pour alimenter les questions-réponses contextuelles, permettant aux utilisateurs de poser des questions sur les recettes obtenues à partir de l'API Spoonacular et de recevoir des réponses pertinentes et précises.

Pour ce faire, Gordy planifie une série de nœuds pour inviter les utilisateurs à poser des questions, y répondre en utilisant ChatGPT, et demander si les utilisateurs ont d'autres questions. Il montre le processus de mise en place des tâches et des transitions de l'IA, en soulignant l'importance de fournir des informations contextuelles et de donner à l'IA une "porte de sortie" pour combattre les problèmes d'hallucination.

Gordy montre comment créer une variable d'historique de chat en exécutant un morceau de code, en s'assurant que le chatbot respecte la limite de 5 000 caractères. Il teste ensuite le chatbot en lui posant diverses questions sur les recettes, et l'IA réussit à fournir des réponses précises et pertinentes en fonction du contexte.

Vidéo 6 : Publier et partager votre bot

La sixième vidéo de notre série passe de la construction du bot au partage du bot. Gordy explique comment publier et intégrer le bot Recipe sur un site web, ce qui permet à un plus grand nombre de personnes d'interagir avec le chatbot. D'un simple clic, le Botpress Cloud Studio nous permet de publier le bot, puis de distribuer un lien permettant à d'autres personnes d'interagir avec le bot à l'aide du bouton "Share" (Partager).

Pour intégrer le bot à un site web, Gordy démontre l'utilisation du canal web dans le tableau de bord d'administration de Botpress . Il copie le code fourni et l'incorpore dans une page GitHub, rendant ainsi le robot accessible directement depuis le site web.

Vidéo 7 : Donner une personnalité à votre robot grâce à l'IA

Dans la septième vidéo de la série, Gordy montre comment nous pouvons améliorer l'engagement du robot de cuisine en utilisant la fonction Personnalité de l'IA. L'objectif est de donner une personnalité au robot de cuisine pour qu'il devienne un interlocuteur vivant, en évitant les interactions répétitives.

Pour doter un robot de différents styles de salutations ou de questions, il fallait auparavant procéder à un travail manuel, ce qui pouvait prendre beaucoup de temps. Grâce à la fonctionnalité AI Personality de Botpress , le processus devient beaucoup plus facile.

Gordy se rend dans les paramètres du chatbot et fait une démonstration de la "réécriture de la personnalité". En décrivant le type de personnalité souhaité - dans ce cas, un chef cuisinier d'un film d'animation pour enfants - il est en mesure d'influencer le style de communication du chatbot, y compris l'utilisation d'emojis. 

L'intérêt de la fonctionnalité Personnalité de l'IA est qu'elle permet au bot d'afficher une personnalité cohérente tout au long de la conversation, quelle que soit la direction qu'elle prend.

Vidéo 8 : Comment gérer les échecs conversationnels ?

Dans la huitième vidéo de la série Recipe Bot, Gordy se penche sur le concept de " solutions de rechange " - des plans d'urgence essentiels conçus pour gérer les réponses inattendues des utilisateurs et les utilisateurs non coopératifs. L'objectif ? Créer des flux conversationnels plus robustes et plus résistants avec notre robot de cuisine.

Gordy commence par identifier les problèmes possibles dans la question initiale du robot, par exemple lorsqu'un utilisateur fournit des réponses peu claires ou inhabituelles. Pour y remédier, le Studio propose une solution simple : les tentatives. En augmentant le nombre de tentatives, nous pouvons subtilement augmenter le niveau de détail de notre demande afin d'obtenir une réponse plus précise de la part de l'utilisateur.

Cependant, les tentatives ne suffisent pas toujours. Pour les scénarios dans lesquels un utilisateur fournit des réponses irréalisables (par exemple, lorsqu'il demande une recette pour un million de personnes), Gordy introduit le concept de validation. La validation nous permet de définir des règles précises concernant les données extraites par une carte de capture. 

Le troisième niveau de planification des solutions de repli implique des transitions pour gérer les échecs, qui peuvent être ajoutées si le robot ne parvient pas à extraire les informations correctes de l'utilisateur après l'épuisement des tentatives. Cela permet d'éviter que le robot ne reste bloqué dans une boucle en répétant la même question, et permet au contraire à la conversation de progresser naturellement.

Vidéo 9 : Incitation à la réflexion en chaîne

Dans le neuvième épisode de la série, Gordy fait passer le robot de cuisine au niveau supérieur en améliorant la robustesse de ses tâches d'IA et en s'attaquant aux hallucinations de l'IA.

Au début de la vidéo, Gordy présente un défi intéressant : que faire si un utilisateur demande quelque chose qui n'a rien à voir avec l'objectif de notre robot, comme une recette de Minecraft ? Pour gérer ces requêtes hors du champ d'application et éviter les appels d'API inutiles, Gordy met en œuvre une tâche de classification. Cette tâche initiale filtre le message de l'utilisateur, en déterminant s'il s'agit d'une demande de "recette de cuisine" ou d'une demande "hors champ". Nous utilisons ensuite une transition pour créer un nœud de repli afin d'attraper les questions hors du champ d'application et d'informer l'utilisateur de la fonction spécifique du robot.

La deuxième partie de la vidéo est consacrée à un défi fascinant en matière d'IA : les hallucinations de l'IA. Ces hallucinations se produisent lorsqu'un modèle d'IA tel que ChatGPT affirme avec confiance quelque chose de factuellement incorrect. Gordy propose deux stratégies pour lutter contre ce phénomène : (1) fournir des informations factuelles dans l'invite et (2) utiliser une technique appelée "chaîne de pensée".

Développée par Google, la chaîne de pensée décompose les problèmes complexes en éléments plus petits. Chacun de ces éléments est ensuite traité par l'IA, et les réponses sont utilisées pour générer une réponse finale, factuellement exacte. Gordy montre comment mettre en œuvre cette technique dans le Studio, afin d'améliorer la précision du Recipe Bot, en particulier pour les requêtes complexes des utilisateurs.

Vidéo 10 : Comment utiliser le modèle Recipe Bot

Dans la dixième et dernière vidéo de la série, Gordy boucle la boucle avec le Recipe Bot. Il commence par nous montrer comment accéder au robot que nous avons vu se construire de A à Z dans le Studio Botpress .

Ensuite, nous découvrons un élément essentiel pour faire fonctionner le modèle de robot : l'ajout d'une clé API. Après avoir créé un compte chez Spoonacular et obtenu la clé, celle-ci est ajoutée au robot dans le Studio, et c'est ainsi que le Recipe Bot est prêt à répondre aux questions culinaires.

Le modèle de robot est équipé de toutes les fonctionnalités présentées dans la série, y compris le flux de travail de la chaîne de pensée. Cependant, si vous souhaitez que le robot ne propose que la réponse finale sans passer par le processus complet de la chaîne de pensée, Gordy montre comment vous pouvez facilement modifier le flux de travail.

La dernière vidéo met l'accent sur la flexibilité et l'adaptabilité de Botpress, en montrant comment un modèle de bot - doté d'un riche ensemble de fonctionnalités - peut lancer le processus de construction d'un bot, de l'idée à la preuve de concept entièrement fonctionnelle.

Extraits de code

Extrait de code qui apparaît dans la vidéo 3 pour appeler l'API Spoonacular

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}`)
}

Extrait de code qui apparaît dans la vidéo 4 pour afficher le carrousel de recettes

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]
  })
}

Extrait de code qui apparaît dans la vidéo 5 pour préparer l'historique du chat

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 = []
}

Conclusion

Dans cette série complète de vidéos, Gordy a exploré le processus de construction d'un chatbot de recettes alimenté par ChatGPT à l'aide de Botpress. La série couvre les techniques essentielles de construction d'un chatbot, telles que la capture d'informations sur l'utilisateur, les appels d'API, l'affichage de contenu dans des carrousels et l'exploitation de la puissance des tâches d'IA pour créer des conversations interactives et attrayantes. Nous avons également abordé des sujets plus avancés tels que l'intégration de ChatGPT pour les questions et réponses contextuelles, l'attribution d'une personnalité vivante au bot, la création de solutions de repli et la mise en place d'une chaîne de pensée.

Si vous ne l'avez pas encore fait, nous vous invitons à explorer la série de vidéos et à commencer à construire votre propre chatbots en utilisant Botpress. Les compétences et les techniques présentées lors de la construction du bot de recette sont transférables à une variété d'applications de chatbot dans différents secteurs d'activité. La série étant terminée, nous vous encourageons à nous rejoindre pour notre prochaine série de construction de bot !

Avec la puissance de ChatGPT et Botpress à portée de main, vous êtes maintenant bien équipé pour créer des chatbots dynamiques et attrayants qui répondent aux besoins spécifiques de votre organisation. Commencez - c'est gratuit !

Bonne construction de bot !