基于 QChatGPT 项目的插件能力 实现的自动答疑机器人

原理

将需要答疑的领域的相关问题及其解答内容分割成多个文档，从 OpenAI Embeddings 接口 获取文档的向量值，储存到向量数据库（本例中使用 搭配了向量计算插件的 PostgreSQL 数据库）中，在用户问题达到时，计算用户问题的向量值，从数据库中查找出最相近的几个文档，输入给 OpenAI 的 GPT 模型生成自然语言回复。

实现

• 负责沟通 QQ 等消息平台：https://github.com/RockChinQ/QChatGPT
• QChatGPT 插件，用户接收问题并从 llm-embed-qa 接口获取回复：https://github.com/RockChinQ/AnsweringPlugin
• 用于处理文档向量值并组织数据库，开放接口供插件调用：https://github.com/RockChinQ/llm-embed-qa

按照 QChatGPT 文档配置好主程序，按照 llm-embed-qa 的文档进行配置，之后按照插件文档进行安装，配置 llm-embed-qa 的地址后即可向机器人提问相关内容。

• 示例：天津理工大学转专业相关资料库：https://github.com/RockChinQ/TJUT-ChangeMajor

局限性和改进

• 目前将整个文档（包含问题和示例回复）混到一起计算向量值，会导致当用户的问题与文档中的问题相符，但与回复相差甚远时，此文档不会被匹配到。应该为仅计算问题的向量值并存进数据库。
• 目前均为人工分割大段语料成数个小文档，可以改为尝试使用 OpenAI GPT 进行自动分割。