ChatGPT 人工智能：基于语义搜索（RAG）的问答机器人（难度：4）

CreatiCode

简介

到目前为止，我们在项目中一直使用 ChatGPT 现有的知识和推理能力。例如，当我们向 ChatGPT 提出一个医学问题时，我们不需要教 ChatGPT 任何东西，因为它已经被大量医学知识和问题训练过了。

然而，在许多应用中，ChatGPT 的知识可能不够。

首先，ChatGPT 不知道在其知识截止日期（其最新训练数据的时间）之后发生的事件。
此外，ChatGPT 只记住下一个单词出现的概率，而不记住任何来源的确切内容。假设我们希望 ChatGPT 仅根据特定的医学书籍回答问题，那么它很可能会失败或产生幻觉（进行猜测）。

在本教程中，您将学习一项非常有用的技能：如何教 ChatGPT 一些新知识。具体来说，您将构建一个可以回答有关 CreatiCode 问题的聊天机器人。由于 CreatiCode 在撰写本文时（2023 年 11 月）还相当新，因此 ChatGPT 对 CreatiCode 一无所知。我们将教 ChatGPT 一些关于 CreatiCode 的新知识，以便它可以根据这些知识帮助回答有关 CreatiCode 的问题。

语义搜索

在开始编码之前，让我解释一下我们将使用的关键方法：语义搜索。“语义”的意思是“含义”，因此“语义搜索”的意思是“按含义搜索”。

例如，假设我有一个关于一本书的 5 个问题的列表：

这本书叫什么名字？
这本书有多少页？
这本书叫什么名字？
这本书多少钱？
我在哪里可以买到这本书？

现在我有一个新问题“这本书的价格是多少？”，我想找出这 5 个问题中哪个与这个新问题相似。

如果我们使用传统的搜索方法，我们需要找出哪个现有问题与新问题具有最多的共同词。显然，这两个问题具有最多的共同词（6 个中的 5 个）：

这本书的名字是什么？
这本书的价格是多少？

然而，由于大型语言模型的发展，现在我们有了一个全新的工具，称为“语义搜索”，它允许我们这样搜索：这 5 个已知问题中哪个与新问题的含义最相似？使用语义搜索，我们将得到一个更好的答案：“这本书多少钱？”

本质上，“语义搜索”允许我们找到含义最相似的句子，即使这些句子中的单词非常不同。正如您将在下面看到的，这将对我们的项目非常有用。

[高级主题] 语义搜索如何工作？

如果您对语义搜索的工作原理感到好奇，这里有一个简单的解释。

让我们仍然使用上面的例子。对于这 5 个问题中的每一个，我们将首先将它们转换为一个向量，就像 XY 轴上的一个箭头：

这本书叫什么名字？ -> (x = 0.9, y = 0.1)
这本书有多少页？ -> (x = 0.3, y = 0.8)
这本书叫什么名字？ -> (x = 0.4, y = 0.2)
这本书多少钱？ -> (x = 0.5, y = 0.5)
我在哪里可以买到这本书？ -> (x = 0.15, y = 0.9)

我们可以像这样说明这 5 个箭头：

现在，当我们得到一个查询问题“这本书的价格是多少？”时，它也将被映射到一个向量，例如 (x=0.45, y=0.4)。我们也可以将这个新向量绘制成一个箭头：

接下来，我们只需要比较所有 5 个蓝色箭头，并找到与红色箭头夹角最小的那个。如图所示，“这本书多少钱？”的箭头与红色箭头夹角最小，这意味着这两个箭头的方向最相似。因此我们可以将该问题作为搜索结果。

将句子映射到向量的过程称为“嵌入”，因为它就像将每个句子作为一块石头放置在墙上的正确位置。实际上，向量通常具有数千个维度，最好的嵌入模型可以很好地衡量两段文本之间的相似性。

步骤 1 - 启动项目

现在让我们开始我们的 QA 机器人项目。我们将使用以下项目作为起点。请在您的帐户中打开它并重新混合它：

https://play.creaticode.com/projects/65544f377f7509db74c436c7

步骤 2 - 填充“数据”表

在项目中，已经定义了一个名为“数据”的表。它有 2 个名为“键”和“答案”的列。我们的第一个任务是用一些问题和答案填充此表。我们的想法是，我们将向 ChatGPT 提供一些标准问题和答案作为新知识，以便它可以根据这些答案回答其他问题。

为了节省时间，我们准备了一个包含问题和答案的 CSV 文件。请在此处下载：

https://ccdn.creaticode.com/public/sampledata.csv

下载 sampledata.csv 文件后，将其导入到您的数据表中。您可以在舞台上的数据表上单击鼠标右键，选择“导入”，然后在您的计算机上找到 sampledata.csv 文件。

导入数据后，您可以将鼠标悬停在任何单元格上以查看其内容。对于每一行，“键”列是一个问题，“答案”列是相应的答案。

如果您正在构建另一个项目，您可以使用 Google 表格或 Excel 准备问题和答案，然后将表格导出为 CSV 文件。然后您可以将文件上传到“数据”表中。请注意，重要的是第一列名为“键”，因为这将是我们搜索的列。您可以在“键”列之后拥有任意数量的列。

步骤 3 - 创建语义数据库

接下来，我们将使用表中的数据构建一个“语义数据库”。请将此块单独拖到编辑器中，确保从下拉列表中选择“数据”表，然后单击它以运行它。

您不会注意到任何变化，但在幕后，发生了以下情况：

表中的数据已发送到 CreatiCode 服务器。
已根据数据创建了一个“语义数据库”，该数据库将用于语义搜索。

请注意，在撰写本文时，每个项目只能有一个语义数据库。如果您多次运行“创建语义数据库”块，则后续运行将首先删除任何现有的语义数据库。这对于大多数应用程序来说应该足够了。

此外，**对于所有没有订阅的用户，目前有一个限制，“数据”表最多可以有 100 行数据。对于有订阅的用户，限制为 1000 行。**如果您正在构建需要更高限制的应用程序，请联系 info@creaticode.com

步骤 4 - 查看聊天精灵

现在我们将构建一个利用此语义数据库的聊天机器人。在开始编码之前，请快速查看“聊天”精灵中的现有块。它们提供以下 2 个基本功能：

当项目开始时，向 ChatGPT 发送初始请求并显示其响应；
每当用户输入一些输入时，显示该输入，然后将其发送给 ChatGPT，然后也显示响应。

步骤 5 - 测试问题

现在我们将通过一个问题来验证 ChatGPT 对 CreatiCode 了解不多：creaticode 多少钱？

如图所示，ChatGPT 不知道答案。我们需要“教”它，然后我们将再次提出相同的问题。

步骤 6 - 运行语义搜索

为了教 ChatGPT 更多关于 CreatiCode 的知识，基本思想如下：给定一个用户问题，我们首先在我们准备的问题中搜索，以找到一些相似的问题，然后我们告诉 ChatGPT 根据搜索结果回答用户问题。

您可能想知道：为什么我们不直接将我们准备的所有问题和答案提供给 ChatGPT？这种方法可能有效，但有几个原因说明这不是一个好主意：

当我们有很多 QA 对时，它们可能会占用大量的令牌。它可能会超过 ChatGPT 的令牌限制，并且还会花费很多钱。
当我们向 ChatGPT 提供大量信息时，它可能需要更长的时间来阅读所有信息，并且也可能找不到相关信息。

因此，我们将使用语义搜索仅查找与用户问题具有相似含义的问题，因此它们的答案将提供与回答用户问题最相关的信息。

我们需要在获得用户问题时添加“搜索语义数据库”块。现在让我们先单独添加此块以对其进行测试。

在这个新块中，指定了前 3 个输入：

查询：第一个输入指定我们要搜索的内容。在这种情况下，我们正在搜索测试问题“Creaticode 多少钱？”。
结果数：第二个输入指定搜索将返回多少项，例如 3。搜索结果将根据它们与查询的相似程度进行排名，因此我们将获得与用户输入最相似的前 3 个问题
结果表：第三个输入指定用于存储结果项的表。返回的每个项都将作为一行存储在此表中。

现在让我们通过单击单独运行此块。要查看结果，我们需要查看“结果”表。由于舞台窗口被聊天小部件占用，我们还需要使用“删除所有小部件”块删除该小部件：

在我们运行“搜索语义数据库”和“删除所有小部件”块之后，将“结果”表添加到舞台，并隐藏“数据”表：

您现在应该看到“结果”表包含 3 行。第一列“分数”表示该项与查询的相似程度。它通常介于 0 和 1 之间。第二列和第三列是“键”和“答案”，这是我们之前添加到语义数据库中的问题和答案。这很有效，因为第一行是问题“CreatiCode 可以免费使用吗？”，这与我们的查询“Creaticode 多少钱？”密切相关。

注意：如果您得到一个空的“结果”表，这意味着您在步骤 3 中没有成功创建语义数据库，因此请再次尝试该步骤。

步骤 7 - 使用用户输入进行搜索

现在让我们将“搜索语义数据库”块添加到我们的程序中，以便它使用用户输入作为查询。我们还分离了它下面的 ChatGPT 块，因为我们需要在将其发送给 ChatGPT 之前改进我们的提示。

在此更改之后，无论用户说什么，都将用于运行搜索，并且结果将存储在“结果”表中。

步骤 8 - 从“结果”表中读取第一行

接下来，我们将从“结果”表中提取数据，并将它们嵌入到我们发送给 ChatGPT 的请求中。首先，创建 2 个名为“键”和“答案”的变量，并尝试从结果表中读取第一行的内容，如下所示：

单击这两个块以运行它们，您可以在舞台上查看这两个变量的值：

步骤 9 - 从“结果”表中读取所有行

接下来，让我们从结果表中读取所有行。我们可以使用“for 循环”，它将索引变量设置为从 1 到总行数，如下所示：

在我们的例子中，“结果”表的行数为 3，因此这个 for 循环将运行 3 次迭代。

步骤 10 - 将所有问题和答案连接到一个参考中

当我们遍历结果表的每一行时，我们可以使用“连接”块将该行的内容连接到一个“参考”变量中。参考变量将以“”开头，我们将每行的新内容附加到此变量中。我们将使用“\n”字符连接问题和答案，这将在它们之间添加一个新行。循环完成后，我们可以打印出参考以查看其值。

如果您运行这组块，参考应该在控制台面板中打印出来，如下所示：

步骤 11 - 使用参考向 ChatGPT 组成一个新的请求

现在我们准备使用此新的参考信息向 ChatGPT 创建一个新的请求。基本思想是向 ChatGPT 说以下内容：嘿，ChatGPT，我们需要你回答这个问题，顺便说一下，这里有一些你可以用作参考的信息。

更具体地说，我们需要使用 3 个部分组成一个“请求”：用户输入、一个“[参考]”标签来指示参考部分，以及我们上面检索到的参考。

现在如果我们运行该程序，我们可以在控制台面板中看到打印出的以下请求：

步骤 12 - 获取 ChatGPT 的响应

现在让我们将**“请求”变量的值**发送给 ChatGPT 并显示其响应：

这是您应该从 ChatGPT 获得的内容：

与我们在步骤 5 中的初始测试结果相比，这显然是一个显着的改进。ChatGPT 似乎对 CreatiCode 非常了解。

步骤 13 - 使 ChatGPT 的响应更具体。

目前，我们只是使用一个非常简单的请求，还有很大的改进空间。当前响应最明显的问题是它不够具体。显然，ChatGPT 正在使用我们参考中的所有 3 个问题/答案对来为用户撰写答案。

您能否尝试更改我们在请求中的说明，以便 ChatGPT 仅提供如下所示的具体和直接答案？

在您花一些时间在这个挑战上之前，不要查看下面的答案。这是关于如何微调提示以从 ChatGPT 获得所需响应的一个非常好的练习。

你找到解决方案了吗？如果没有，请不要查看答案！

步骤 14 - 使 ChatGPT 的响应更具体的解决方案

好的。如果您已经弄清楚在提示中要说什么，那就太好了！这并非易事，因为 ChatGPT 可能非常“固执”，并且会坚持使用参考中的所有信息。

以下是使 ChatGPT 更具体的一种解决方案。我们将像这样撰写请求：

用户输入：
creaticode 多少钱？

说明：以下是一些常见问题/答案，但它们可能不是用户要问的内容。您能否撰写一个只回应用户问题的简明答案？
CreatiCode 可以免费使用吗？
大多数功能都是免费的
CreatiCode 的目标用户是谁？
CreatiCode 是一种适合所有年龄段学习者的简单语言
我可以在 CreatiCode 上编写 3D 程序吗？
可以

如您所见，我们正在进行以下 2 项更改：

我们将请求分为两个部分“用户输入”与“说明”。
在说明中，我们明确告诉 ChatGPT 一些问题/答案可能不是用户要问的内容，我们要求它撰写一个只回应用户问题的答案。

要撰写此新请求，我们可以按以下方式修改代码：

具体来说，这是您可以复制到代码中的请求的第三部分：

\n说明：以下是一些常见问题/答案，但它们可能不是用户要问的内容。您能否撰写一个只回应用户问题的简明答案？

现在请再次尝试测试您的程序。

步骤 15 - 改进我们的参考问题/答案

除了更新提示之外，我们还可以改进语义数据库中的问题/答案。

例如，目前在我们的数据库中，我们有这样一对问题/答案：

问：CreatiCode 可以免费使用吗？
答：大多数功能都是免费的

答案有点模糊，ChatGPT 将无法提供超出我们提供的答案的更好答案。

例如，让我们尝试将答案改进为以下内容：

大多数功能都是免费使用的。但是，对于非付费用户，某些高级块（例如 ChatGPT 块或文本到语音块）存在速率限制。

要进行此更改，您可以从舞台中删除所有小部件，更新“数据”表的内容（不是“结果”表），然后再次单独运行“创建语义数据库”块。

现在我们可以再次测试它。您将看到 ChatGPT 根据我们的新答案提供了更新后的答案：

此外，我们可以验证我们提供给 ChatGPT 的参考信息确实包含更新后的答案：

检索增强生成 (RAG)

现在您已经学习了一项非常强大的技术：我们首先使用语义搜索检索一些参考信息，然后在我们对 ChatGPT 的请求中使用该信息。这通常被称为“检索增强生成”，或简称为 RAG。那是因为我们正在使用我们检索到的信息来增强 ChatGPT 的响应生成。

这个项目只是一个关于如何使用 RAG 来增强 ChatGPT 响应的简单示例。您可以使用此技术实现更多目标。

构建您自己的 QA 机器人

现在尝试为您非常了解但 ChatGPT 不了解的内容构建另一个 QA 机器人。

例如，您可以创建一个关于您非常了解的人的 QA 机器人，或者关于特定地点（如餐厅或公园）的 QA 机器人，或者关于组织（如学校俱乐部或非营利组织（例如 https://visionsvcb.org/））的 QA 机器人，或者关于对象（如书籍或电子设备）的 QA 机器人。

您应该首先测试它以确保 ChatGPT 尚不了解该主题，否则不容易显示您教给 ChatGPT 多少新知识。

您可能已经猜到，成功的 QA 机器人最重要的因素是高质量的输入数据。准备此类数据需要大量工作。在这个项目上团队合作可能是一个好主意。

CreatiCode Scratch Forum