Suporte ao Cliente através de um Chatbot de IA

Implementar um chatbot de IA para fornecer suporte ao cliente automatizado. O chatbot pode ser treinado para compreender e responder a uma variedade de perguntas frequentes, solucionar problemas comuns e direcionar consultas mais complexas para atendentes humanos. Isso permitirá que os clientes recebam respostas instantâneas para suas dúvidas e problemas, reduzindo os tempos de espera e melhorando a experiência do cliente.

Repositorio do Github

Pré-requisitos

1 - Baixar o Python.

2 - Baixar o VS Code.

3 - Instalar o ambiente virtual:

python -m venv chatbot

chatbot\Scripts\activate

4 - Instalar os pacotes necessários do Python:

pip install -r requirements.txt

5 - Ter uma conta na openai e gerar a API Key

Desenvolvimento

• Importação dos módulos e classes necessários

from langchain.callbacks.base import BaseCallbackHandler
from langchain.chat_models import ChatOpenAI
from langchain.schema import ChatMessage
import streamlit as st

• Define uma classe de callback personalizada que estende a classe BaseCallbackHandler

class StreamHandler(BaseCallbackHandler):
    def __init__(self, container, initial_text=""):
        self.container = container
        self.text = initial_text

    # Este método é chamado sempre que um novo token é gerado pelo modelo de linguagem
    def on_llm_new_token(self, token: str, **kwargs) -> None:
        self.text += token
        self.container.markdown(self.text)

• Cria uma barra lateral na aplicação Streamlit para inserir a chave da API da OpenAI

with st.sidebar:
    openai_api_key = st.text_input("Chave da API da OpenAI", type="password")

• Se a chave "messages" não estiver presente no estado da sessão, inicializa com uma mensagem padrão do assistente

if "messages" not in st.session_state:
    st.session_state["messages"] = [ChatMessage(role="assistant", content="Fala, beleza? Como posso ajudar?")]

• Exibe as mensagens do chat armazenadas no estado da sessão

for msg in st.session_state.messages:
    st.chat_message(msg.role).write(msg.content)

• Verifica se o usuário inseriu uma nova mensagem

if prompt := st.chat_input():
    # Adiciona a mensagem do usuário ao estado da sessão
    st.session_state.messages.append(ChatMessage(role="user", content=prompt))
    st.chat_message("user").write(prompt)

    # Se a chave da API da OpenAI não foi fornecida, exibe uma mensagem informativa e interrompe
    if not openai_api_key:
        st.info("Por favor, adicione sua chave da API da OpenAI para continuar.")
        st.stop()

    # Gera uma resposta usando o modelo de linguagem e exibe como mensagem do assistente
    with st.chat_message("assistant"):
        # Cria uma instância de StreamHandler para lidar com atualizações em tempo real da resposta do assistente
        stream_handler = StreamHandler(st.empty())

        # Inicializa o modelo ChatOpenAI com a chave da API fornecida e o modo de streaming
        llm = ChatOpenAI(openai_api_key=openai_api_key, streaming=True, callbacks=[stream_handler])

        # Gera uma resposta usando o modelo de linguagem e adiciona ao estado da sessão
        response = llm(st.session_state.messages)
        st.session_state.messages.append(ChatMessage(role="assistant", content=response.content))

Executando o StreamLit

No terminal digitar o comando streamlit run app.py e aguardar um pouco e o navegador irá abrir na página http://localhost:8501 para testar a aplicação.

Deploy

Para realizar o deploy do projeto, é necessário criar uma conta no streamlit. Também é necessário adicionar o projeto no Github.

Após estar logado no streamlit, clicar em New app e realizar a configuração do app.

Ao final desta configuração a aplicação estará no ar para todos utilizarem.