ChatGPT实战-构建文章分析AI聊天机器人

视频版本：

ChatGPT实战-构建文章分析AI聊天机器人

简介

本文实现如下功能：

当浏览一篇文章，点击分享，分享到聊天软件的对话框中。它就会生成一个文章的总结和分析结果。例如分析是否有逻辑问题，是否有诱导购买，是否有焦虑制造。

一起来看看怎么实现的吧。

这里以飞书机器人为例，当然你也可以用别的平台，例如微信、钉钉。

整体方案介绍

1. 首先，用户将文章链接发送给飞书聊天机器人；
2. 飞书通过事件订阅将内容发给机器人服务端；
3. 服务端收到链接后访问网址获取内容，并调用chatgpt接口进行总结；
4. 将总结后的内容回复给用户。

下面我们来一步步实现。

前置准备

在开始之，你需要准备好ChatGPT的API访问key和一台web服务器。

准备web服务器的时候，需要注意安全问题。例如服务器关闭root登录，禁止密码登录。采用ssh key的方式进行登录。

然后防火墙需要在云厂商的控制台开启。不然外部无法访问。

代码

在github中也可以找到：shanchuantian/paper_analyze_bot.git
有三个文件，入口在main.py中。
main.py

import json
import uuid

import requests
from fastapi import FastAPI
from fastapi.params import Body
from fastapi import BackgroundTasks

from openai import chat
from parse_wexin_paper import get_paper_content

app = FastAPI()


@app.get("/")
def root():
    return {"message": "Hello World"}


def get_tenant_access_token():
    url = 'https://open.feishu.cn/open-apis/auth/v3/app_access_token/internal'
    body = {

        "app_id": "cli_xxx",  # todo 可以将其放入环境变量中，不能泄漏！！！！
        "app_secret": "jwxxx"  # todo 可以将其放入环境变量中，不能泄漏！！！！
    }
    res = requests.post(url, json=body)
    return res.json().get('tenant_access_token')


def send_response(message_id, text_content):
    # 回复消息
    url = f'https://open.feishu.cn/open-apis/im/v1/messages/{message_id}/reply'
    res_content = {
        "text": text_content
    }
    response = {
        "content": json.dumps(res_content),
        "msg_type": "text",
        "uuid": str(uuid.uuid4())
    }
    token = get_tenant_access_token()
    headers = {
        'Authorization': f'Bearer {token}',
        'Content-Type': f'application/json; charset=utf-8'
    }
    print(f'response url:{url}, header:{headers}, data:{response}')
    requests.post(url, headers=headers, json=response)


def handle_task(payload):
    # 用户发过来的消息
    content = payload.get('event').get('message').get('content')
    print(f'content:{content}')
    # 获取文章内容
    paper_content = get_paper_content(json.loads(content).get('text'))
    prompt = f"""我会给你一篇由<>和<>包含的文章，请完成如下任务：
    1.总结一下文章，以列表的形式输出关键要点，保持语句通顺，简单易懂。
    2.分析文章中是否有逻辑问题，如果有请依次列出问题，写在下面的【逻辑问题列表】中，没有则保持空。
    3.分析文章中是否有诱导读者购买课程、商品等行为，如果有请写在下面的【诱导购买列表】中，没有则保持空。
    4.分析文章中是否有焦虑制造倾向，如果有请写在下面的【焦虑制造列表】中，没有则保持空。

    严格按照如下格式输出：
    【总结】
    这里放总结内容。
    【逻辑问题列表】
    在这里列出逻辑问题。
    【诱导购买列表】
    在这里列出诱导购买内容。
    【焦虑制造列表】
    在这里放焦虑制造内容。

    这是文章：
    <>
    {paper_content}
    <>"""
    print(f'prompt:{prompt}')
    # 调用ChatGPT进行总结
    summary = chat(prompt)
    message_id = payload.get('event').get('message').get('message_id')
    # 回复消息
    send_response(message_id, summary)


@app.post("/")
async def say_hello(background_tasks: BackgroundTasks, payload: dict = Body(...)):
    # 检测到CHALLENGE标记就直接返回，以通过飞书的接入
    challenge = payload.get('CHALLENGE')
    if challenge:
        print(f'CHALLENGE flag is exist, return it.')
        return payload
    # print(f'payload:{json.dumps(payload)}')
    # feishu要求1秒内返回，所以此处起一个后台任务处理
    background_tasks.add_task(handle_task, payload)
    print('###### i will return immediately。。。')
    return ''


if __name__ == '__main__':
    get_tenant_access_token()

openai.py

import requests

url = "https://openai.api2d.net/v1/chat/completions"

headers = {
  'Content-Type': 'application/json',
    # todo 不能泄漏
  'Authorization': 'Bearer fkxxx' # <-- 把 fkxxxxx 替换成你自己的 Forward Key，注意前面的 Bearer 要保留，并且和 Key 中间有一个空格。
}


def chat(content, role='user', model='gpt-3.5-turbo'):
    data = {
      "model": model,
      "messages": [{"role": role, "content": content}]
    }
    print('start chat to chatgpt....')
    response = requests.post(url, headers=headers, json=data)
    print("ChatGPT Status Code", response.status_code)
    print("ChatGPT JSON Response ", response.json())
    return response.json().get('choices')[0].get('message').get('content')

if __name__ == '__main__':
    content = '你好'
    chat(content=content)

parse_wexin_paper.py

import requests
from lxml import etree
import os


def get_paper_content(url):
    html = requests.get(url).text
    # print(f'html:{html}')
    con = etree.HTML(html)

    # 获取标题
    h2 = con.xpath('//h1[@class="rich_media_title "]/text()')
    h2 = ",".join(map(str, h2))
    h2 = os.linesep.join([s for s in h2.splitlines(True) if s.strip()])
    h2 = h2.rstrip()  # 去除右空行
    print(f'h2:{h2}')
    # print(h2)

    # 获取正文
    p_text = ''
    span = con.xpath('//p | //section/span')  # 通过‘|’可以增加筛选的条件
    print(f'span:{span}')
    # print(span)
    for p_tex in span:
        p_tex = p_tex.xpath('string(.)')
        p_text = p_text + p_tex + '\n'
        # print(p_tex)
    # print(p_text)

    # 保存内容
    con_text = '%s%s%s%s' % (h2, '\n', p_text, '\n')
    return con_text


if __name__ == '__main__':
    # url = input("请输入要采集的微信公众号文章地址:")
    url = "https://mp.weixin.qq.com/s/xxx"
    get_paper_content(url)

我们通过fast API这个web框架来实现web服务。在这里我们需要实现两个功能：

一个是接入服务功能，另一个是我们的业务逻辑。

运行服务可以直接通过uvicorn 运行：

uvicorn main:app --host 0.0.0.0 --port 7011

飞书权限申请

主要是在飞书开放平台申请应用，然后添加权限，事件订阅发布版本。（截图太多了，上面视频中有详细介绍）

接下来就可以愉快的进行使用啦。