使用FlowiseAI和Zep创建具有长期记忆的AI戀愛教練

Find AI Tools

No difficulty

No complicated process

Find ai tools

Home AI News TW 使用FlowiseAI和Zep创建具有长期记忆的AI戀愛教練

使用FlowiseAI和Zep创建具有长期记忆的AI戀愛教練

AI助手搭建简介

在本教程中，我们将一步一步地搭建一个具有长期记忆的AI助手。我们将使用Flow Wise，并在Render上进行部署。Flow Wise非常容易使用，而且免费版本也可以满足我们的需求。接下来，让我们开始操作吧！

部署Flow Wise于Render

我们首先需要在Render上将Flow Wise部署起来。在Zep的这个链接中，你可以找到部署到Render上的具体步骤。点击"Deploy to Render"按钮，并在Render的仪表盘上为你的应用命名。然后，提供你的Open AI API Key，并点击"Apply"按钮。稍等片刻，直到部署完成后，你会在Render的仪表盘上看到你的Web服务和URL。

配置身份验证

在Zep的这个链接上，你可以找到配置身份验证的步骤。在这个链接中，你需要下载名为"Zap CLI"的文件，并运行它以生成一个密钥。将该密钥复制保存好，然后按回车键生成JWT令牌。将该令牌同样复制保存好，因为我们待会儿会用到它。接下来，回到Render仪表盘，进入"Environment"，添加两个环境变量，一是"zipcore alore required"，将值设为"true"，二是"zore alore secret"，将值设为刚才复制的密钥。保存修改，并等待部署完成。

创建Web服务

在Render的仪表盘上，你可以找到部署的Web服务。这个服务将会是我们接下来要使用的。下一步，我们将在Flow Wise中创建一个流程（chat flow）。

添加环境变量

在Flow Wise中，我们需要添加两个环境变量。第一个变量是"zipcore alore required"，将值设为"true"。第二个变量是"zore alore secret"，将值设为刚才在Render中复制的密钥。保存修改，并进行手动部署。

构建AI助手骨架

在Flow Wise中，每个聊天流程都应该以一个代理（agent）或链（chain）开始。我们可以使用不同类型的链，具体可以参考Flow Wise文档。在构建骨架时，我们将以“agent”为开头。在构建骨架的过程中，我们可以使用各种工具来提升我们的AI助手的效果，比如与CRM系统集成、使用API Brave进行搜索、使用计算器工具等等。现在，我们以"Open AI Chat model"作为开头，添加一个Open AI的聊天模型，并设置相关参数。

构建骨架

首先，我们需要从"chat models"中选择并拖放一个Open AI聊天模型。如果你还没有凭据，则需要创建一个聊天模型凭据，具体步骤可以参考Flow Wise文档。对于"temperature"参数，我们可以将其降低一点，以获得更加确定性的答案。最后，记住将"model name"保留为默认值。

添加Open AI聊天模型

在Flow Wise中，我们可以添加Open AI的聊天模型，从而为我们的AI助手提供对话功能。在聊天模型中，我们可以设置各种参数，以获得我们想要的效果。

创建凭据

首先，我们需要创建一个凭据，用于连接Open AI。点击"Create Credential"按钮，并为凭据命名。填入Open AI API Key，并保存。

设置参数

在聊天模型的参数中，我们可以选择性地设置一些参数，以满足我们的需求。比如，我们可以调整"temperature"参数以控制生成回答的多样性，我们可以将其调低一点，以获得更加确定性的回答。还可以设置"max tokens"参数，用于控制回答的长度。最后，我们可以设置对话历史，使得AI助手可以根据之前的对话内容进行回答。

构建长期记忆

在Flow Wise中，我们可以为我们的AI助手构建长期记忆。这可以帮助我们的助手更好地理解用户的问题，并提供更加准确和有用的答案。

创建凭据

首先，我们需要创建一个凭据，用于连接Zep服务器。点击"Create Credential"按钮，并为凭据命名为"zap"。在API Key字段中，填入刚刚复制的API密钥，并保存。

设置参数

在设置参数中，我们可以选择"Base URL"，并将其设置为Render中的Web服务的URL。将"Auto Summary"参数设置为开启，以提升助手的学习效果。

构建记忆

接下来，我们需要构建记忆。在Flow Wise中，我们可以通过使用Zep来保存和检索对话历史。

一种方法是使用"Memory"工具。我们选择"zap"作为凭据，并将"Summary"参数设置为对话内容的总结。这样，我们可以将对话内容保存到Zep服务器中。

在Render中，我们需要在环境变量中添加两个参数。第一个参数是"zipcore alore required"，将值设置为"true"。第二个参数是"zore alore secret"，将值设置为刚刚复制的密钥。保存修改，并进行手动部署。

添加工具功能

在Flow Wise中，我们可以为我们的AI助手添加各种工具功能，以增强其能力。比如，我们可以添加链工具，用于读取和提取PDF文件中的信息。

在Flow Wise中，我们需要将链工具与基本链（Base Chain）连接起来。对于语言模型，我们可以选择Open AI的语言模型，并设置相应参数。我们还可以选择矢量库，以便存储和检索相关数据。最后，我们需要选择文档类型和分割方式，以处理PDF文件。

测试AI助手

现在，我们可以测试我们的AI助手了。在Flow Wise中，我们可以给助手提供一些问题，并查看它的回答。通过与AI助手的对话，我们可以评估它的性能，并进行必要的调整。

自定义工具

除了使用Flow Wise提供的工具功能外，我们还可以添加自定义工具来增强AI助手的功能。比如，我们可以使用自定义工具来连接其他功能，如Slack，以将生成的摘要发送到指定的频道。

总结

在本教程中，我们学习了如何使用Flow Wise构建一个具有长期记忆的AI助手。我们首先在Render上部署了Flow Wise，并配置了身份验证。然后，我们使用Flow Wise的工具和功能构建了AI助手的骨架。最后，我们对AI助手进行了测试，并了解了如何添加自定义工具。AI助手可以帮助用户解决各种问题，从而提供更好的服务。不过，我们也注意到了一些潜在的问题，比如对话历史的保存和保护等。在使用AI助手时，我们需要谨慎处理用户的私人信息。通过不断的学习和改进，我们可以更好地使用AI技术来服务人类需求。