ini chatbot berkuasa AI, Agribot, menyediakan maklumat pertanian berbilang bahasa kepada petani dan peminat. Artikel ini memperincikan ciri-ciri, seni bina, dan kodnya, menonjolkan reka bentuk mesra pengguna dan integrasi teknologi canggih. Sektor pertanian sangat bergantung pada maklumat tepat pada masanya; Agribot menangani keperluan ini dengan data masa nyata dan sokongan berbilang bahasa.

Jadual Kandungan

• Ciri -ciri Utama Agribot
• Stack Teknologi Agribot
• Membina Agribot: Panduan Langkah demi Langkah
  • Mengimport perpustakaan yang diperlukan
  • Pemboleh ubah persekitaran memuatkan
  • Inisialisasi Alat AI
  • Memuatkan model bahasa
  • Melaksanakan fungsi terjemahan
  • Menguruskan Memori Perbualan
  • Membuat ejen perbualan
  • merancang antara muka sembang streamlit
  • pecahan kod
• Menguji Agribot
• Peningkatan Masa Depan
• Kesimpulan

Imej ini menunjukkan antara muka, perbualan, antara muka masa nyata Agribot App:

Ciri -ciri utama Agribot

Agribot menawarkan beberapa ciri utama:

• Sokongan berbilang bahasa: Menyokong Bahasa Inggeris, Hindi, Telugu, Tamil, Bengali, Marathi, dan Punjabi.
• Perbualan berkuasa AI: menggunakan model Llama 3-70B untuk respons pintar, kontekstual.
• Maklumat masa nyata: Bersepadu dengan Wikipedia, Arxiv, dan DuckDuckGo untuk data pertanian yang terkini. Memori kontekstual:
mengekalkan interaksi sebelumnya untuk pengalaman pengguna yang lancar.
• Antara muka intuitif:
dibina menggunakan streamlit untuk kemudahan navigasi.
Stack Teknologi Agribot

Agribot menggunakan:

frontend:

streamlit (python)
• backend:
langchain, openai llm (melalui groq api)
• enjin carian: wikipedia, arxiv, duckduckgo
• terjemahan: Google Translate Api
• Memory: Langchain ConversationBufferMemory
• Membina Agribot: Panduan Langkah demi-Langkah

Kod yang berkuasa agribot terperinci di bawah:

1. Mengimport perpustakaan:

Perpustakaan penting diimport, termasuk Streamlit untuk UI dan Langchain untuk penciptaan ejen. mengendalikan terjemahan bahasa.

import os
import time
import streamlit as st
from langchain.memory import ConversationBufferMemory
from langchain.agents import initialize_agent, AgentType
from langchain.chat_models import ChatOpenAI
from langchain.schema import SystemMessage, HumanMessage, AIMessage
from langchain_community.tools import WikipediaQueryRun, ArxivQueryRun, DuckDuckGoSearchRun
from langchain_community.utilities import WikipediaAPIWrapper, ArxivAPIWrapper, DuckDuckGoSearchAPIWrapper
from langdetect import detect
from deep_translator import GoogleTranslator
from dotenv import load_dotenv, find_dotenv

2. Memuatkan Pembolehubah Alam Sekitar: deep_translator

memuat kekunci API dan maklumat sensitif lain dari fail .

load_dotenv(find_dotenv())

3. Inisialisasi Alat AI: .env

Alat pengambilan maklumat diasaskan, dikonfigurasikan untuk masa tindak balas yang cekap.

4. Memuatkan Model Bahasa:

import os
import time
import streamlit as st
from langchain.memory import ConversationBufferMemory
from langchain.agents import initialize_agent, AgentType
from langchain.chat_models import ChatOpenAI
from langchain.schema import SystemMessage, HumanMessage, AIMessage
from langchain_community.tools import WikipediaQueryRun, ArxivQueryRun, DuckDuckGoSearchRun
from langchain_community.utilities import WikipediaAPIWrapper, ArxivAPIWrapper, DuckDuckGoSearchAPIWrapper
from langdetect import detect
from deep_translator import GoogleTranslator
from dotenv import load_dotenv, find_dotenv

memuatkan model bahasa Llama 3-70B melalui API Groq.

5. Fungsi Terjemahan:

load_dotenv(find_dotenv())

fungsi ini mengendalikan terjemahan ke dan dari bahasa Inggeris menggunakan perpustakaan deep_translator.

6. Pengurusan memori:

wiki = WikipediaQueryRun(api_wrapper=WikipediaAPIWrapper(top_k_results=1, doc_content_chars_max=200))
arxiv = ArxivQueryRun(api_wrapper=ArxivAPIWrapper(top_k_results=1, doc_content_chars_max=200))
duckduckgo_search = DuckDuckGoSearchRun(api_wrapper=DuckDuckGoSearchAPIWrapper(region="in-en", time="y", max_results=2))
tools = [wiki, arxiv, duckduckgo_search]

memastikan memori sembang yang berterusan merentasi sesi.

7. Membuat ejen perbualan:

def load_llm():
    return ChatOpenAI(
        model_name="llama3-70b-8192",
        temperature=1,
        openai_api_key=os.getenv("GROQ_API_KEY"),
        openai_api_base="https://api.groq.com/openai/v1"
    )

memulakan ejen perbualan menggunakan Langchain.

8. Ui sembang streamlit:

def translate_to_english(text):
    # ... (Translation logic) ...
def translate_back(text, target_lang):
    # ... (Translation logic) ...

Bahagian ini membina antara muka sembang Streamlit. (Kod penuh ditinggalkan untuk keringkasan, tetapi unsur -unsur utama diterangkan di atas.)

Pecahan Kod: Kod menggunakan streamlit untuk membuat antara muka sembang mesra pengguna. Input pengguna diterjemahkan ke bahasa Inggeris, diproses oleh ejen Langchain (menggunakan LLM dan alat carian), dan respons diterjemahkan kembali ke bahasa asal pengguna. Pengurusan memori memastikan konteks perbualan. Pengendalian ralat dan mekanisme semula meningkatkan keteguhan.

menguji agribot

(imej yang menunjukkan UI dan respons Agribot dalam bahasa yang berbeza dimasukkan ke dalam input asal. Imej -imej ini akan diletakkan di sini.)

Peningkatan Masa Depan

input/output suara
penalaan halus pada data pertanian
ui/ux penambahbaikan

Kesimpulan

Agribot adalah alat yang berharga yang memanfaatkan AI dan keupayaan berbilang bahasa untuk menyokong petani. Gabungan maklumat masa nyata, terjemahan, dan memori perbualan menjadikannya sumber yang unik. Pembangunan selanjutnya akan meningkatkan fungsinya dan mengembangkan keupayaannya.

Atas ialah kandungan terperinci Agri Bot: Ejen AI berbilang bahasa untuk petani menggunakan langchain. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!