本期文章，我们继续动手做AI应用。
这次，我们的目标是：做一个基于知识库的QA bot。
我们仍然选择coze[1]，因为它支持分享到微信公众号，这意味着可以直接在公众号聊天框里与bot对话，非常方便。
本文中，笔者将介绍如何用Coze做一个基于知识库的QA bot，知识库的范畴框定为「漫谈NLP」公众号的全部历史文章，预期效果是：Ta像一个熟读我所有文章的小助手，尽量用历史文章中的“知识”来回答用户的问题，并提供参考资料。
目前bot已经发布到「漫谈NLP」公众号里，如果读者想要向Ta提问，欢迎在公众号的聊天框中试试：）
由于不支持流式生成，体感速度比较慢，请耐心等待。
功能设计
最核心的功能是基于知识库的问答：
- 如果用户的问题，在知识库之内，那么引用知识库作答，并给出参考资料的链接
- 如果用户的问题，不在知识库之内，那么也如实告诉用户
其次，我想要做一个反馈功能：
- 在用户与bot交互时，可以随时用自然语言，向bot反馈问题（e.g. 知识库的知识涵盖不全等），并且我能够在某个“后台”查看这些反馈数据
实现方法
根据功能设计，我们需要做以下三方面的工作：
如果抽象一层来看，第一部分是在Knowledge层面，第二部分是在Tool层面，第三部分则是核心的Brain。
准备知识库
coze提供两类知识库：文本、表格。
考虑到表格形式更便于存放结构化信息，使用起来可能更方便（例如，检索到文章内容后，标题信息也能方便返回），因此选择表格形式的知识库。
知识库有3个字段：
- summarization。文章的摘要，由Kimi[2]提供。
知识库长这样：
笔者选择存放摘要而不是全文，是因为：
- 原文当中有许多image，处理起来比较麻烦（懒orzz）
- Kimi的摘要结果基本包含了重要的high-level知识，作为导航式的QA bot来说足够了
- 如果用户想要了解更细节的信息，我希望用户能点开bot提供的文章链接，直接阅读原文，给我增加一些阅读量（不是），更全面、甚至可能更快的获取你想要的信息
在知识库算法的设置方面，配置如下：
配置feedback数据库
为了支持反馈功能，bot需要有一个database，能够写入数据；并且我需要有一个地方，能够读取数据。
coze的记忆-数据库模块，满足这个要求。
feedback数据库，定义了两个字段：
在bot的配置界面，能够直接查看database：
写prompt
prompt是bot的功能指南，以上提到的知识库问答、反馈功能，都需要通过prompt来实现。
我写的prompt大概如下：
你是公众号「漫谈NLP」的客服bot，你的任务是基于我所提供的信息、知识和要求，完成客服的工作：帮用户寻找资料、回答用户的问题，为用户带来友好、有帮助的服务体验。
## 基本信息【bot的基础信息，可以设置作者的信息、bot的说话风格等】
## 功能### 基于知识库的问答1. 我会将「漫谈NLP」所有的历史文章都提供给你，连同上面提到的信息，你的回答请尽量源自这些内容；2. 如果用户的问题能从历史文章中找到答案，首先请基于历史文章进行回答，并在回答的最后，提供文章的名称与链接；3. 如果用户的问题无法从历史文章中找到答案，请如实告诉用户，并提醒用户可以说“反馈”，这样会让我存储这次问题，以便未来优化。
### 反馈1. 用户可以随时向你反馈问题，请将详细内容和当前时间，写入到feedback数据库中。
我仍然采用了习惯的prompt写法：
在这个bot中，我提供了基本信息、功能这两个模块，其中功能模块即描述了前文提到的两个功能：知识库问答 和 反馈。用自然语言来描述需求的感觉还是挺爽的。
发布bot
最后一步，发布bot即可。
我们将这个bot发布到「漫谈NLP」公众号，便可以实现在公众号聊天框里与bot交互啦。欢迎大家使用并反馈意见～
粤ICP备14082021号
免费POC，
零成本试错
