Youri-7b-chat-gptqを使ったLinebotの構築
はじめに
こちらの記事の続きです
Messaging APIの使い方はこちら
このコードは、`YouriBot` というLINE Botを構築するためのPythonクラスを定義しています。このクラスは、LINE メッセージイベントを処理し、AIモデルを用いてテキストレスポンスを生成して返信する機能を持っています。
YouriBotの解説
全体的な流れ：
Flaskアプリを作成します。
LINEからのWebhookを受け取るエンドポイントを定義します。
メッセージイベントが発生したら、AIモデルを使って適切なレスポンスを生成します。
生成されたレスポンスをLINEユーザーに返信します。
必要なライブラリのインポート
from flask import Flask, request, abort
from linebot import LineBotApi, WebhookHandler
# ...その他のインポート`Flask`: Webサーバーを構築するためのフレームワーク。
`request`, `abort`: Flaskのリクエスト処理とエラーハンドリング用の関数。
`LineBotApi`: LINE Botとの通信を行うためのAPI。
`WebhookHandler`: LINEからのWebhookリクエストを処理するためのハンドラー。
`MessageEvent`, `TextMessage`, `TextSendMessage`: LINE Botのイベントとメッセージタイプを扱うクラス。
`AutoTokenizer`, `AutoGPTQForCausalLM`: AIモデルのテキスト処理と生成を行うためのライブラリ。
`YouriBot` クラスの定義
class YouriBot(LineBot):
# ...コンストラクタとメソッド定義...`YouriBot` クラスは、`LineBot` クラスを継承しており、LINE Botのカスタマイズを行います。
コンストラクタの定義
def __init__(self, access_token, channel_secret):
# ...LINE APIとWebhookHandlerの初期化...
# ...トークナイザーとモデルの初期化...このメソッドは、オブジェクトが作成される際に実行されます。
LINEのアクセストークンとチャネルシークレットを用いて、LINE Bot APIとWebhookHandlerを初期化します。
トークナイザーとAIモデルもここで準備されます。
テキストレスポンスを生成するメソッド
def generate_response(self, prompt):
# ...AIモデルによるテキスト生成...ユーザーのメッセージをプロンプトとしてAIモデルに入力し、生成されたテキストレスポンスを返します。
Flaskアプリケーションの作成
def create_app(self):
# ...Flaskアプリの定義とルート設定...Flaskのインスタンスを作成し、LINE BotとのWebhook通信を処理するエンドポイントを設定します。
テストエンドポイント
@app.route("/test")
def test():
return "TEST OK"`/test` にアクセスすると "TEST OK" という応答を返す単純なルートです。
LINEからのWebhookを処理するエンドポイント
@app.route("/", methods=['POST'])
def callback():
# ...署名検証とイベントハンドリング...LINEからのPOSTリクエストを受け、署名を検証後、メッセージイベントを処理するよう設定されています。
LINEメッセージイベントの処理
@self.handler.add(MessageEvent, message=TextMessage)
def handle_message(event):
# ...メッセージの受信とAIレスポンスの返信...ユーザーからのテキストメッセージを受け取り、それをプロンプトとしてAIモデルに入力し、生成されたレスポンスを返信する処理を行います。
全体コード
# line_bot.py
from flask import Flask, request, abort
from linebot import LineBotApi, WebhookHandler
from linebot.exceptions import InvalidSignatureError
from linebot.models import MessageEvent, TextMessage, TextSendMessage
from line_bot import LineBot # your_line_bot_fileは、LineBotクラスを含むファイルの名前です。
import torch
from transformers import AutoTokenizer
from auto_gptq import AutoGPTQForCausalLM # your_model_libraryは、モデルクラスを含むライブラリの名前です。
# LineBot クラスを定義します。
# このクラスは、LINE Bot APIとのやり取りを管理するためのメソッドを含んでいます。
class YouriBot(LineBot):
# コンストラクタでは、LINE Bot APIとWebhookHandlerの初期化を行います。
def __init__(self, access_token, channel_secret):
# LineBotApiオブジェクトを作成し、LINEのアクセストークンを設定します。
self.line_bot_api = LineBotApi(access_token)
# WebhookHandlerオブジェクトを作成し、LINEのチャネルシークレットを設定します。
self.handler = WebhookHandler(channel_secret)
# トークナイザーとモデルの準備
self.tokenizer = AutoTokenizer.from_pretrained(
"rinna/youri-7b-chat-gptq"
)
self.model = AutoGPTQForCausalLM.from_quantized(
"rinna/youri-7b-chat-gptq",
device_map="auto",
use_safetensors=True
)
def generate_response(self, prompt):
# 推論の実行
token_ids = self.tokenizer.encode(
prompt,
add_special_tokens=False,
return_tensors="pt")
with torch.no_grad():
output_ids = self.model.generate(
input_ids=token_ids.to(self.model.device),
max_new_tokens=200,
do_sample=True,
temperature=0.5,
pad_token_id=self.tokenizer.pad_token_id,
bos_token_id=self.tokenizer.bos_token_id,
eos_token_id=self.tokenizer.eos_token_id
)
return self.tokenizer.decode(
output_ids[0][token_ids.size(1):],
skip_special_tokens=True
)
# Flaskアプリケーションを作成するメソッドです。
def create_app(self):
# Flaskのインスタンスを作成します。
app = Flask(__name__)
# '/test'のパスにアクセスがあった場合の処理を定義します。
@app.route("/test")
def test():
# テスト用のエンドポイントなので、"TEST OK"というレスポンスを返します。
return "TEST OK"
# '/'のパスにPOSTリクエストがあった場合の処理を定義します。
# これはLINE PlatformからのWebhookを処理するためのエンドポイントです。
@app.route("/", methods=['POST'])
def callback():
# LINE Platformからのリクエストに含まれる署名を取得します。
signature = request.headers['X-Line-Signature']
# リクエストの本体（body）をテキストとして取得します。
body = request.get_data(as_text=True)
# リクエストの内容をログに記録します。
app.logger.info("Request body: " + body)
# 署名を検証し、イベントハンドラを呼び出します。
try:
self.handler.handle(body, signature)
except InvalidSignatureError:
# 署名が無効な場合は、エラーメッセージを出力し、400エラーを返します。
print("Invalid signature. Please check your channel access token/channel secret.")
abort(400)
# すべて正常に処理された場合は、'OK'のレスポンスを返します。
return 'OK'
# MessageEventとTextMessageを処理するイベントハンドラを定義します。
@self.handler.add(MessageEvent, message=TextMessage)
def handle_message(event):
# 受信したメッセージの内容をログに出力します。
print("event.message.text:{}".format(event.message.text))
# ユーザーに送られたテキストメッセージと同じ内容で返信します。
prompt = f"設定: あなたの優秀なAIアシスタントです。\nユーザー: {event.message.text}\nシステム: "
print(f"prompt:{prompt}")
# AIによるレスポンス生成
response_text = self.generate_response(prompt)
print(f"response_text:{response_text}")
self.line_bot_api.reply_message(
event.reply_token,
TextSendMessage(text=event.message.text),
)
# Flaskアプリケーションのインスタンスを返します。
return app会話してみた
この記事が気に入ったらサポートをしてみませんか？