Напиши код для проекта. нужно создать ии собеседника, который будет общаться совсем как человек)

Отличная задача. Ниже даю подробное решение и готовые примеры кода, чтобы можно было быстро начать проект интеллект-носового собеседника, который общается как человек. Так как цель — понять принцип, я распишу архитектуру, шаги реализации и дам рабочие примеры кода (через API OpenAI и локальную модель). Поскольку параметры не указаны, беру общий подход, подходящий для школьного/базового уровня. 1) Что именно мы делаем - Создаем чат-собеседника, который отвечает естественно и «человечно»: используя продвинутую языковую модель и продуманный промпт, чтобы стиль общения был дружелюбным, эмпатичным, с небольшими неформальностями и юмором по мере уместности. - В project будут: - менеджер диалога (история разговора для контекста) - интерфейс ввода/вывода (командная строка или простой UI позже) - безопасные ограничители: система-промпт, запреты на вредоносный контент, общая этика общения - модуль расширяемости: можно заменить backend на локальную модель или облачный API 2) Архитектура и подход - Модуль "Промпт/пратик" (System prompt): задает стиль общения и характер собеседника. - Модуль диалога (History): хранит цепочку сообщений пользователя и модели для поддержания контекста. - Модуль генерации ответа: - Вариант A: через API OpenAI (gpt-3.5-turbo или gpt-4) - Вариант B: локальная модель (DialoGPT/Mistral и т.д.) - Модуль интерфейса: командная строка (для старта) + (по желанию) простой веб-интерфейс позже. 3) Вариант 1 — чат через API OpenAI (самый простой и эффективный способ) Что нужно: - API-ключ OpenAI - Установить пакет openai: pip install openai - API-ключ хранить в переменной окружения OPENAI_API_KEY Пояснения к коду: - systems prompt задаёт стиль общения, чтобы получался «человеко-говорящий» собеседник. - история разговора сохраняется в списке сообщений и подается в каждый запрос, чтобы поддерживать контекст диалога. - можно настроить температуру, максимальное число токенов и т.д. Код 1. chat_human_like_openai.py ```python #!/usr/bin/env python3 # Устанавливайте: pip install openai import os import openai # Система: описывает характер собеседника SYSTEM_PROMPT = ( "You are a warm, human-like conversational partner. " "Respond with natural language, use everyday phrases, mild humor when appropriate, " "and show empathy. Avoid robotic repetition and overly formal language. " "If you don't know something, say so honestly and offer to discuss related ideas." ) def build_messages(history, user_input): # history: список словарей с ролями "user"/"assistant" messages = [{"role": "system", "content": SYSTEM_PROMPT}] for h in history: messages.append({"role": h["role"], "content": h["content"]}) messages.append({"role": "user", "content": user_input}) return messages def main(): api_key = os.environ.get("OPENAI_API_KEY") if not api_key: print("ERROR: Установите OPENAI_API_KEY в переменных окружения.") print("Пример: export OPENAI_API_KEY=sk-...") return openai.api_key = api_key model = "gpt-3.5-turbo" # можно сменить на gpt-4 или другой доступный history = [] print("Запустили чат-собеседника. Введите сообщение. Введите 'выход' для завершения.") while True: user_input = input("Вы: ").strip() if user_input.lower() in {"выход", "exit", "quit"}: print("Чат завершён.") break messages = build_messages(history, user_input) try: resp = openai.ChatCompletion.create( model=model, messages=messages, temperature=0.7, max_tokens=500 ) text = resp.choices[0].message["content"].strip() except Exception as e: print(f"Ошибка запроса к API: {e}") break print("ИИ:", text) # сохраняем историю history.append({"role": "user", "content": user_input}) history.append({"role": "assistant", "content": text}) if __name__ == "__main__": main() ``` Как использовать: - Установите ключ API OpenAI в переменную окружения OPENAI_API_KEY. - Запустите файл: python chat_human_like_openai.py - Пишите ваши фразы, получаете человеческие ответы. 4) Вариант 2 — локальная модель (офлайн, без API) Если доступа к OpenAI нет или хочется автономности, можно использовать локальную модель. Самый простой старт — DialoGPT (Microsoft) на HF Transformers. Что нужно: - Python, PyTorch - Установить: pip install transformers torch - Вариант 2А: DialoGPT-medium (быстрый старт, локально) Код 2. chat_human_like_local.py (DialoGPT) ```python #!/usr/bin/env python3 # Устанавливайте: pip install transformers torch from transformers import AutoModelForCausalLM, AutoTokenizer import torch def main(): model_name = "microsoft/DialoGPT-medium" print(f"Загрузка модели {model_name}... Это может занять время.") tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained(model_name) print("Начинаем локальный чат. Введите 'exit' для выхода.") chat_history = [] while True: user_input = input("Вы: ").strip() if user_input.lower() in {"exit", "выход"}: break # Объединяем историю в одну строку для контекстного ввода # Для DialoGPT часто используют простой подход: конкатенация чатов new_input_ids = tokenizer.encode(user_input + tokenizer.eos_token, return_tensors="pt") # Если есть история, добавляем её в контекст if chat_history: # объединяем прошлые user+bot сообщения history_ids = torch.cat(chat_history, dim=-1) input_ids = torch.cat([history_ids, new_input_ids], dim=-1) else: input_ids = new_input_ids # Генерация ответа output_ids = model.generate( input_ids, max_new_tokens=150, pad_token_id=tokenizer.eos_token_id, do_sample=True, top_p=0.92, temperature=0.7 ) # Построение ответа из генерации # Ответовая часть идёт после входной части (контекст) bot_answer_ids = output_ids[0][input_ids.shape[-1]:] bot_reply = tokenizer.decode(bot_answer_ids, skip_special_tokens=True).strip() print("ИИ:", bot_reply) # Обновляем историю: сохраняем последние обмены chat_history.append(input_ids) chat_history.append(output_ids) if __name__ == "__main__": main() ``` Важно: - DialoGPT может работать медленно на CPU. Для хорошей скорости нужна GPU или меньшая модель. - Точность и стиль общения у локальных моделей могут быть менее «человечными», чем у облачных API, поэтому можно поэкспериментировать с моделью и параметрами. 5) Как адаптировать стиль под ваш уровень - Параметры промпта: аккуратно формируйте стиль в SYSTEM_PROMPT, чтобы он соответствовал желаемой «личности» собеседника. - Температура/Top-p: уменьшение температуры делает ответы менее случайными и более предсказуемыми; увеличение — более творческие, человеческие ответы. - История диалога: чем длиннее история, тем ближе выход к «человеческому» стилю, но это может привести к увеличению задержки и контекстной перегрузке. - Эмпатия и юмор: добавляйте примеры фраз, которые человек мог бы сказать в конкретной ситуации (например, «Понимаю как это важно» или «Хаха, да, такое бывает»). 6) Дополнительные функциональные улучшения (для дальнейшего проекта) - Эмпатийные пометки: анализировать настроение пользователя и адаптировать тон (нейтральный, поддерживающий, радостный). - Контекст/персонализация: запоминать интересы пользователя (хобби, любимые предметы) и упоминать их в ответах. - Защита и безопасность: фильтры по контенту, отклонение опасных запросов, предупреждения о рисках. - Локальный интерфейс: добавить простое веб-окно (например, на Flask) или desktop GUI (Tkinter) для более дружелюбного UX. - Журнал и экспорт: сохранять диалоги в файл (JSON), чтобы позже анализировать стиль и качество. 7) Как оценивать качество - Понятийность: ответы понятны, логичны, не противоречат ранее сказанному. - Натуральность: стиль речи близок к человеческому, с естественными паузами/фразами. - Эмпатия: собеседник учитывает эмоции и дает поддержку, если требуется. - Безопасность: отсутствуют вредоносные или неприемлемые ответы. 8) Итог и рекомендации - Для быстрого старта лучше начать с варианта через API OpenAI. Быстро получить качественные результаты и фокусироваться на промптах и UX. - Для автономного проекта — переходите к локальным моделям на следующем этапе. Это займет больше времени на настройку и вычислительные ресурсы, но даёт автономность. Если хочешь, могу адаптировать код под конкретную задачу (например, добавить сохранение истории в файл, простой веб-интерфейс, или сделать промпт под школьный стиль общения). Сообщи, какой вариант тебе удобнее (API OpenAI или локальная модель) и на каком языке интерфейса хочешь увидеть пример (CLI, веб).