使用LangChain和DeepInfra构建客户支持聊天机器人的操作指南( 二 ) _LangChain

# Now using DeepInfra with the LLMChainllm_chain = LLMChain(llm=llm,prompt=prompt,verbose=True,memory=ConversationBufferWindowMemory(k=2),)

运行聊天机器人并与之交互

最后，您现在可以与聊天机器人进行交互了。不妨看一个例子：

output = llm_chain.predict(human_input="Hello! What clothes do you recommend I buy to rebuild my summer wardrobe")print(output)

因而生成的响应推荐一些衣服：

In the context of summer wardrobe recommendations, you should buy your clothes from the following list:- V-neck T-shirts- Tank Tops- Solid Color Swim Shorts- Swim Shorts- Skirts- Cardigans- Sandals

聊天机器人中的记忆概念记忆在聊天机器人中起着至关重要的作用。它有助于维持聊天机器人交互中的上下文和历史记录，从而使聊天机器人能够回忆过去的对话，并理解当前对话的上下文。这种能力对于创造更人性化的交互从而改善用户体验至关重要。记忆方面的话题有很多文章值得深入研究，建议您看看这篇指南，以了解更多的信息。
更多参考资料和示例
为了进一步理解，我建议查看Langchain网站上的ChatGPT Clone笔记本、Conversation Memory笔记本和Conversation Agent笔记本等资源。这些资源更深入地介绍了记忆概念，记忆关键概念和记忆示例提供了实用指导。
您还应该查看AIModels.fyi上的其他Langchain指南。
DeepInfra还为其平台提供了完备的文档，甚至还有一个博客，您可以获取详细的帖子、指南和文章。
结论使用LangChain和DeepInfra构建面向客户支持的聊天机器人最初可能看起来很复杂，但一旦您了解了基本组件和步骤，整个过程就会变得简单得多。利用这些技术可以显著改进客户服务，提高业务效率，并提高总体客户满意度。将来，这些技术会变得真正大有潜力，预计它们会继续发展，并影响客户服务领域。
原文标题：Building a Customer Support Chatbot with LangChain and DeepInfra: A Step-by-Step Guide，作者：Mike Young