一、問題

我們希望實(shí)現(xiàn)人們通過自然的口語對話來使用大模型應(yīng)用。然而，在口語表達(dá)需求和意圖時(shí)，人們往往會(huì)遇到一些問題。例如，表達(dá)過于簡略或含糊，容易引發(fā)語義歧義，導(dǎo)致大模型產(chǎn)生誤解；
用戶的問題可能包含許多隱含要素，但表達(dá)的信息卻不足，智能通過多輪對話逐步補(bǔ)全；

理想情況：通過大模型多次主動(dòng)與用戶溝通，不斷收集信息，完善對用戶真實(shí)意圖的理解，補(bǔ)全執(zhí)行用戶需求所需的各項(xiàng)參數(shù)

理想情況

二、示例代碼

import json

from langchain_core.output_parsers import StrOutputParser, JsonOutputParser
from langchain_core.prompts import PromptTemplate, ChatPromptTemplate
from langchain_community.chat_message_histories import ChatMessageHistory
from langchain_core.runnables import RunnableWithMessageHistory

from Common import get_dashscopeModel

llm = get_dashscopeModel()

user_input = str(input("請輸入你的需求："))

# 根據(jù)用戶要求，進(jìn)行意圖識(shí)別，獲取對應(yīng)的模板
# 示例業(yè)務(wù)模板
templates = {
    "訂機(jī)票":[
        {
            "paramsKey":"start",
            "paramsName":"起點(diǎn)"
        },
        {
            "paramsKey":"end",
            "paramsName":"終點(diǎn)"
        },
        {
            "paramsKey":"date",
            "paramsName":"日期"
        },
        {
            "paramsKey":"people",
            "paramsName":"人數(shù)"
        },
        {
            "paramsKey":"level",
            "paramsName":"座位等級"
        },
        {
            "paramsKey":"preference",
            "paramsName":"座位偏好"
        }
        ],
    "訂酒店":["城市", "入住日期", "離店日期", "人數(shù)", "房型"]
}

# 意圖識(shí)別提示詞模板
input_prompt = PromptTemplate(
    input_variables=["user_input","template"],
    template="根據(jù)用戶輸入'{user_input}',選擇最合適的業(yè)務(wù)模板?？捎脴I(yè)務(wù)模板有：{templates}。請返回模板名稱。"
)
intent_chain = input_prompt | llm | StrOutputParser()

# 意圖識(shí)別
intent = intent_chain.invoke({"user_input":user_input, "templates":str(list(templates.keys()))})
print(f"意圖識(shí)別結(jié)果：{intent}")
# 獲取對應(yīng)的模板
select_template = templates.get( intent)
print(f"選擇的模板為：{select_template}")

# 根據(jù)用戶意圖選擇的模板，進(jìn)行參數(shù)識(shí)別
# 補(bǔ)充信息提示模板{",".join(select_template)}
info_prompt = f"""
    請根據(jù)用戶原始問題和模板，判斷原始問題是否完善。
    如果問題缺乏需要的信息，請生成一個(gè)友好的請求，明確指出需要補(bǔ)充的信息，嚴(yán)格按照模板指出的參數(shù)，不要添加其他信息。
    若問題完善后，返回包含所有信息的完整問題。
    ### 原始問題
    {user_input}
    
    ### 模板
    {select_template}
    
    ### 輸出示例
    {{
        "isComplete": true,
        "content":"完整問題",
        "data":{{
            "intent":"訂機(jī)票",
            "params":收集到的select_template內(nèi)的參數(shù)paramsKey作為鍵值，值為用戶輸入的參數(shù)值
        }}
    }}
    {{
        "isComplete": false,
        "content":"友好的引導(dǎo)用戶補(bǔ)充需要的信息",
        "data":{{}}
    }}
"""

# 歷史記錄
chat_history = ChatMessageHistory()

# 聊天模板
prompt =  ChatPromptTemplate.from_messages(
    [
        ("system","你是一個(gè)信息補(bǔ)充助手，任務(wù)是分析用戶問題是否完善"),
        ("human", "{history}"), # 歷史消息
        ("human", "{input}")
    ]
)

# 補(bǔ)充消息鏈
info_chain = prompt | llm | StrOutputParser()
#自動(dòng)處理歷史記錄，將記錄注入輸入并在每次調(diào)用后更新它
with_message_history = RunnableWithMessageHistory(
    info_chain,
    lambda session_id:chat_history,
    input_messages_key="input",
    history_messages_key="history"
)

# 判斷問題是否完整，如果不完整則返回引導(dǎo)信息
info_request = with_message_history.invoke({"input":info_prompt},config={"configurable":{"session_id":"unused"}})

parser = JsonOutputParser()
json_data = parser.parse(info_request)
print(json_data)

# 循環(huán)判斷是否完整，并提交用戶補(bǔ)充信息
while json_data.get("isComplete", False) is False:
    try:
        # 顯示引導(dǎo)信息并等待用戶輸入，用\033[1;33m和\033[0m設(shè)置和重置文本顏色及樣式（黃色加粗）
        user_answer = input(f"\033[1;33m{json_data['content']}\033[0m\n請補(bǔ)充：")
        info_request = with_message_history.invoke(
            input={"input":user_answer},
            config={"configurable":{"session_id":"unused"}}
        )
        # 解析結(jié)果
        json_data = parser.parse(info_request)
    except json.JSONDecodeError as e:
        print("\033[1;31m[錯(cuò)誤] AI返回了無效的JSON格式，請重試\033[0m")
        continue
    except KeyError as e:
        print("\033[1;31m[錯(cuò)誤] 響應(yīng)格式異常，正在終止流程\033[0m")
        break

# 輸出最終結(jié)果
print(f"\033[1;32m[最終查詢] {info_request}\033[0m")

輸出結(jié)果