{"id":6325,"date":"2025-02-03T15:16:53","date_gmt":"2025-02-03T15:16:53","guid":{"rendered":"https:\/\/www.storiaememorie.org\/ai-chat-bot-python-6\/"},"modified":"2025-02-03T15:16:53","modified_gmt":"2025-02-03T15:16:53","slug":"ai-chat-bot-python-6","status":"publish","type":"post","link":"https:\/\/www.storiaememorie.org\/es\/ai-chat-bot-python-6\/","title":{"rendered":"ai chat bot python 6"},"content":{"rendered":"

C\u00f3mo construir un chatbot LLM local de c\u00f3digo abierto con RAG por el Dr. Leon Eversberg <\/p>\n

C\u00f3mo construir tu chatbot de IA personal utilizando la API ChatGPT<\/h1>\n

\"ai<\/p>\n<\/p>\n

As\u00ed que si quieres crear un chatbot de IA privado sin conectarte a Internet ni pagar dinero por el acceso a la API, esta gu\u00eda es para ti. PrivateGPT es un nuevo proyecto de c\u00f3digo abierto que te permite interactuar con tus documentos de forma privada en una interfaz de chatbot de IA. Para saber m\u00e1s, vamos a aprender c\u00f3mo entrenar un chatbot de IA personalizado utilizando PrivateGPT localmente. <\/p>\n<\/p>\n

Para desplegarla, simplemente navega hasta tu pesta\u00f1a Azure en VScode y despl\u00e1zate hasta la ventana de funciones. Por \u00faltimo, elige un nombre para la carpeta que contiene tu App de Funci\u00f3n sin servidor y pulsa intro. Ahora tenemos que instalar unas cuantas extensiones que nos ayudar\u00e1n a crear una Function App y empujarla a Azure, concretamente queremos Azure CLI Tools y Azure Functions. En este punto, crearemos el back-end con el que interactuar\u00e1 nuestro bot. Hay m\u00faltiples formas de hacerlo, puedes crear una API en Flask, Django o cualquier otro framework. <\/p>\n<\/p>\n

Pyrogram es un framework de Python que permite a los desarrolladores interactuar con la API de bots de Telegram. Simplifica el proceso de creaci\u00f3n de un bot proporcionando una serie de herramientas y funciones. Con estas herramientas, los desarrolladores pueden crear comandos personalizados, gestionar las entradas de los usuarios e integrar la API ChatGPT para generar respuestas. La investigaci\u00f3n en PNL siempre se ha centrado en hacer que los chatbots sean cada vez m\u00e1s inteligentes. <\/p>\n<\/p>\n

Configurar un entorno virtual es una decisi\u00f3n inteligente antes de sumergirse en la instalaci\u00f3n de bibliotecas. Garantiza que las dependencias de tu proyecto no choquen con tu configuraci\u00f3n principal de Python. Antes de sumergirte en la creaci\u00f3n de un chatbot de IA potenciado por ChatGPT, hay algunas herramientas esenciales que necesitar\u00e1s para poner en marcha tu entorno. <\/p>\n<\/p>\n

\u00ab\u00a1Los desarrolladores pierden el tiempo s\u00f3lo con Kubernetes!\u00bb<\/h2>\n<\/p>\n

Por tanto, incorporamos estos dos paquetes junto a LangChain durante la instalaci\u00f3n. Los modelos de IA, como los Grandes Modelos Ling\u00fc\u00edsticos (LLM), generan incrustaciones con numerosas caracter\u00edsticas, lo que hace que su representaci\u00f3n sea intrincada. Estas incrustaciones delinean varias dimensiones de los datos, facilitando la comprensi\u00f3n de diversas relaciones, patrones y estructuras latentes. Ambos se extendieron un buen rato hablando de las implicaciones sociales y econ\u00f3micas y de su impacto en la humanidad. Puedes leer todo eso en GitHub, por ahora me centrar\u00e9 en las conclusiones, ya que esa era la principal petici\u00f3n del aviso: si captar\u00e1n el matiz que pedimos. <\/p>\n<\/p>\n

Una pr\u00e1ctica habitual para almacenar este tipo de tokens ser\u00eda utilizar alg\u00fan tipo de archivo oculto del que tu programa extraiga la cadena para que no se env\u00eden a un VCS. Python-dotenv es un paquete popular que hace esto por nosotros. Vamos a instalar este paquete para asegurar nuestro token. A continuaci\u00f3n, haz clic en el bot\u00f3n \u00abInstalar\u00bb de la esquina inferior derecha. <\/p>\n<\/p>\n

Cliente m\u00f3vil Kotlin<\/h2>\n<\/p>\n

Al principio, debemos definir la interfaz remota que determina los m\u00e9todos invocables remotamente para cada nodo. Por un lado, tenemos los m\u00e9todos que devuelven informaci\u00f3n relevante a efectos de depuraci\u00f3n (log() u getIP()). Por otro lado, est\u00e1n los encargados de obtener referencias remotas a otros nodos y registrarlas en la jerarqu\u00eda local como nodo ascendente o descendente, utilizando un nombre que supondremos \u00fanico para cada nodo. Adem\u00e1s, dispone de otras dos primitivas destinadas a recibir una consulta entrante de otro nodo (receiveMessage()) y a enviar una consulta resuelta a la API (sendMessagePython()), s\u00f3lo ejecutadas en el nodo ra\u00edz. Con la API operativa, procederemos a implementar el sistema de nodos en Java. La raz\u00f3n principal para elegir este lenguaje est\u00e1 motivada por la tecnolog\u00eda que nos permite comunicarnos entre nodos. <\/p>\n

\"ai<\/p>\n<\/p>\n

He realizado bastantes pasos y tambi\u00e9n he aprendido bastante de esta experiencia. InstructPix2Pix, un modelo de difusi\u00f3n condicional, combina un modelo de lenguaje GPT-3 y un modelo de texto a imagen de Difusi\u00f3n Estable para realizar ediciones de imagen basadas en las indicaciones del usuario. Inspirados por el proyecto InstructPix2Pix y varias aplicaciones alojadas en HuggingFace, estamos interesados en crear un chatbot de edici\u00f3n de im\u00e1genes con IA en Panel. Panel es una herramienta de Python que nos permite construir este chatbot con s\u00f3lo unas pocas l\u00edneas de c\u00f3digo. <\/p>\n<\/p>\n

Agilizan el proceso de b\u00fasqueda, garantizando un alto rendimiento, escalabilidad y una recuperaci\u00f3n eficaz de los datos mediante la comparaci\u00f3n de valores y la identificaci\u00f3n de similitudes. Es un impresionante modelo de nueva generaci\u00f3n entrenado para ser verdaderamente multimodal desde cero. Su problema no es lo que es capaz de hacer, sino lo que OpenAI ha hecho para limitar sus capacidades. <\/p>\n<\/p>\n

En este art\u00edculo, mostrar\u00e9 c\u00f3mo aprovechar las herramientas preentrenadas para construir un Chatbot que utilice Inteligencia Artificial y Reconocimiento del Habla, es decir, una IA parlante. Aunque casi todas las herramientas y paquetes necesarios para configurar y utilizar ChatGPT son gratuitos, obtener la clave de la API tiene un coste. OpenAI no ofrece la API de ChatGPT de forma gratuita, as\u00ed que tendr\u00e1s que tener en cuenta este gasto a la hora de planificar tu proyecto. Dir\u00edgete a la opci\u00f3n \u00abArchivo\u00bb del men\u00fa superior y haz clic en \u00abGuardar como…\u00bb. Ahora, bautiza tu archivo como \u00abchatbot.py\u00bb y en \u00abGuardar como tipo\u00bb, elige \u00abTodos los tipos\u00bb. Elige una ubicaci\u00f3n conveniente en tu disco duro para guardar el archivo (por ejemplo, el Escritorio). Una vez descargado, ejecuta el instalador y deja que te gu\u00ede por el proceso de instalaci\u00f3n. <\/p>\n<\/p>\n

En consecuencia, bind recibir\u00e1 un MarshalledObject compuesto por el nodo que se est\u00e1 registrando en el servidor, en lugar de la instancia original del nodo. A partir de la interfaz, podemos implementar sus operaciones dentro de la clase nodo, instanciada cada vez que arranquemos el sistema y decidamos a\u00f1adir una nueva m\u00e1quina al \u00e1rbol de nodos. Entre las principales funciones incluidas en la clase nodo est\u00e1 el m\u00e9todo getRemoteNode(), que obtiene una referencia remota a otro nodo a partir de su nombre. Para ello, accede al registro de nombres y ejecuta la primitiva lookup(), devolviendo la referencia remota en forma de interfaz, si est\u00e1 registrada, o nula en caso contrario. <\/p>\n

\"ai<\/p>\n<\/p>\n

M\u00e1s tarde ese mismo d\u00eda, despu\u00e9s de mi tiempo muerto, volv\u00ed a abrir la p\u00e1gina web de Quirk Chevy e intent\u00e9 crear un mensaje que dejara a la I.A. del concesionario. Quirk Chevrolet de Braintree, Massachusetts, no es una compa\u00f1era de conversaci\u00f3n tan flexible como la I.A. Susan Atkins, fue una presencia semanal durante los playoffs de la NFL del a\u00f1o pasado, en los que acert\u00f3 tres de los siete partidos,1 incluida la victoria de los Chiefs en la Super Bowl. <\/p>\n<\/p>\n

Aparte de eso, puedes crear contenido de v\u00eddeo en torno a acontecimientos de actualidad y monetizar el contenido. Por ejemplo, los v\u00eddeos de reacciones son populares en YouTube, y en particular, a la gente le gusta ver v\u00eddeos de reacciones en formato Shorts (la duraci\u00f3n del clip debe ser inferior a 60 segundos). Con estas ideas de contenido de nicho y la ayuda de ChatGPT, puedes ganar mucho dinero. Hay muchos nichos y subnichos en Internet que a\u00fan est\u00e1n por explorar.  Puedes pedir a ChatGPT que te proponga ideas para v\u00eddeos en una categor\u00eda concreta. <\/p>\n<\/p>\n

Entornos virtuales y paquetes – Documentaci\u00f3n de Python 3.8.2<\/h2>\n<\/p>\n

Esta decisi\u00f3n est\u00e1 motivada por la gran escalabilidad y facilidad de integraci\u00f3n con otras dependencias de Python que ofrece este framework, adem\u00e1s de otras propiedades \u00fatiles como la seguridad o el panel de administraci\u00f3n por defecto. Te proporcionaremos un c\u00f3digo de proyecto completo en el que se describe cada paso y que te permitir\u00e1 empezar. Este c\u00f3digo se puede modificar para adaptarlo a tus requisitos particulares y utilizarlo como base para un chatbot. <\/p>\n<\/p>\n

Puedes cambiar el nombre seg\u00fan tus preferencias, pero aseg\u00farate de que se a\u00f1ade .py. Aseg\u00farate de sustituir el texto \u00abTu clave API\u00bb por tu propia clave API generada anteriormente. De nuevo, puede que tengas que utilizar python3 y pip3 en Linux u otras plataformas. Para comprobar si Python est\u00e1 correctamente instalado, abre Terminal en tu ordenador. Yo estoy utilizando el Terminal de Windows en Windows, pero tambi\u00e9n puedes utilizar el S\u00edmbolo del sistema.<\/p>\n<\/p>\n

Estos pasajes recuperados funcionan como contexto o conocimiento para el modelo de generaci\u00f3n. Aparte de la creaci\u00f3n de prototipos, una aplicaci\u00f3n importante de servir a un chatbot en Shiny puede ser responder a preguntas sobre la documentaci\u00f3n que hay detr\u00e1s de los campos del cuadro de mando. Por ejemplo, si un usuario del cuadro de mando quiere saber c\u00f3mo se cre\u00f3 la m\u00e9trica de rotaci\u00f3n del gr\u00e1fico. Tener un chatbot dentro de la aplicaci\u00f3n Shiny permite al usuario hacer la pregunta utilizando lenguaje natural y obtener la respuesta directamente, en lugar de pasar por un mont\u00f3n de documentaci\u00f3n. Dentro de unos d\u00edas, dar\u00e9 una charla sobre IA Generativa en la pr\u00f3xima conferencia Cascadia Data Science. Para la charla, quer\u00eda personalizar algo para la conferencia, as\u00ed que cre\u00e9 un chatbot que responde a preguntas sobre la agenda de la conferencia. <\/p>\n<\/p>\n

Agentes, herramientas y Langchain Agente CSV<\/h2>\n<\/p>\n

Para construir un chatbot de IA con una base de conocimientos adecuada, tendr\u00edas que sumergirte en redes de palabras y aprender sobre serializaci\u00f3n de datos, lo que est\u00e1 mucho m\u00e1s all\u00e1 de lo que queremos hacer aqu\u00ed. Sin embargo, si quieres hacer un chatbot m\u00e1s funcional, hay muchos recursos que pueden ense\u00f1arte lo que necesitas saber. Como siempre, este c\u00f3digo est\u00e1 disponible en mi GitHub para su descarga o comentarios. Puede que te hayas dado cuenta de que hemos a\u00f1adido algunas palabras clave de \u00abdescarga\u00bb all\u00ed. <\/p>\n<\/p>\n