import gradio as gr import json import requests class Chatbot: def __init__(self, config): self.video_id = config.get('video_id') self.content_subject = config.get('content_subject') self.content_grade = config.get('content_grade') self.jutor_chat_key = config.get('jutor_chat_key') self.transcript_text = self.get_transcript_text(config.get('trascript')) self.ai_name = config.get('ai_name') self.ai_client = config.get('ai_client') def get_transcript_text(self, transcript_data): transcript_json = json.loads(transcript_data) for entry in transcript_json: entry.pop('embed_url', None) entry.pop('screenshot_path', None) transcript_text = json.dumps(transcript_json, ensure_ascii=False) return transcript_text def chat(self, user_message, chat_history, socratic_mode=False, service_type='jutor'): messages = self.prepare_messages(chat_history, user_message) system_prompt = self.prepare_system_prompt(socratic_mode) if service_type in ['jutor', 'groq', 'claude3']: response_text = self.chat_with_service(service_type, system_prompt, messages) return response_text else: raise gr.Error("不支持此服務") def prepare_system_prompt(self, socratic_mode): content_subject = self.content_subject content_grade = self.content_grade video_id = self.video_id trascript_text = self.transcript_text socratic_mode = str(socratic_mode) ai_name = self.ai_name system_prompt = f""" 科目：{content_subject} 年級：{content_grade} 逐字稿資料：{trascript_text} ------------------------------------- 你是一個專業的{content_subject}老師， user 為{content_grade}的學生 socratic_mode = {socratic_mode} if socratic_mode is True， - 請用蘇格拉底式的提問方式，引導學生思考，並且給予學生一些提示 - 一次只問一個問題，字數在100字以內 - 不要直接給予答案，讓學生自己思考 - 但可以給予一些提示跟引導，例如給予影片的時間軸，讓學生自己去找答案 if socratic_mode is False， - 直接回答學生問題，字數在100字以內 rule: - 請一定要用繁體中文回答 zh-TW，並用台灣人的口語表達，回答時不用特別說明這是台灣人的語氣，也不用說這是「台語的說法」 - 不用提到「逐字稿」這個詞 - 如果學生問了一些問題你無法判斷，請告訴學生你無法判斷，並建議學生可以問其他問題 - 或者你可以反問學生一些問題，幫助學生更好的理解資料，字數在100字以內 - 如果學生的問題與資料文本無關，請告訴學生你「無法回答超出影片範圍的問題」，並告訴他可以怎麼問什麼樣的問題（一個就好） - 只要是參考逐字稿資料，請在回答的最後標註【參考資料：（分）：（秒）】 - 回答範圍一定要在逐字稿資料內，不要引用其他資料，請嚴格執行 - 並在重複問句後給予學生鼓勵，讓學生有學習的動力 - 請用 {content_grade} 的學生能懂的方式回答 - 回答時數學式請用數學符號代替文字（Latex 用 $ 字號 render) """ return system_prompt def prepare_messages(self, chat_history, user_message): messages = [] if chat_history is not None: if len(chat_history) > 10: chat_history = chat_history[-10:] for user_msg, assistant_msg in chat_history: if user_msg: messages.append({"role": "user", "content": user_msg}) if assistant_msg: messages.append({"role": "assistant", "content": assistant_msg}) if user_message: user_message += "/n (請一定要用繁體中文回答 zh-TW，並用台灣人的禮貌口語表達，回答時不要特別說明這是台灣人的語氣，不用提到「逐字稿」這個詞，用「內容」代替)，回答時請用數學符號代替文字（Latex 用 $ 字號 render)" messages.append({"role": "user", "content": user_message}) return messages def chat_with_service(self, service_type, system_prompt, messages): if service_type == 'jutor': return self.chat_with_jutor(system_prompt, messages) elif service_type == 'groq': return self.chat_with_groq(system_prompt, messages) elif service_type == 'claude3': return self.chat_with_claude3(system_prompt, messages) else: raise gr.Error("不支持的服务类型") def chat_with_jutor(self, system_prompt, messages): messages.insert(0, {"role": "system", "content": system_prompt}) api_endpoint = "https://ci-live-feat-video-ai-dot-junyiacademy.appspot.com/api/v2/jutor/hf-chat" headers = { "Content-Type": "application/json", "x-api-key": self.jutor_chat_key, } data = { "data": { "messages": messages, "max_tokens": 512, "temperature": 0.9, "model": "gpt-4-1106-preview", "stream": False, } } response = requests.post(api_endpoint, headers=headers, data=json.dumps(data)) response_data = response.json() response_completion = response_data['data']['choices'][0]['message']['content'].strip() return response_completion def chat_with_groq(self, system_prompt, messages): # system_prompt insert to messages 的最前面 {"role": "system", "content": system_prompt} messages.insert(0, {"role": "system", "content": system_prompt}) request_payload = { "model": "mixtral-8x7b-32768", "messages": messages, "max_tokens": 1000 # 設定一個較大的值，可根據需要調整 } groq_client = self.ai_client response = groq_client.chat.completions.create(**request_payload) response_completion = response.choices[0].message.content.strip() return response_completion def chat_with_claude3(self, system_prompt, messages): if not system_prompt.strip(): raise ValueError("System prompt cannot be empty") model_id = "anthropic.claude-3-sonnet-20240229-v1:0" # model_id = "anthropic.claude-3-haiku-20240307-v1:0" kwargs = { "modelId": model_id, "contentType": "application/json", "accept": "application/json", "body": json.dumps({ "anthropic_version": "bedrock-2023-05-31", "max_tokens": 1000, "system": system_prompt, "messages": messages }) } print(messages) # 建立 message API，讀取回應 bedrock_client = self.ai_client response = bedrock_client.invoke_model(**kwargs) response_body = json.loads(response.get('body').read()) response_completion = response_body.get('content')[0].get('text').strip() return response_completion