amsterdambene/blablabla

blablabla 聊天机器人服务

镜像概述

blablabla是一个基于Markov链的聊天机器人服务，用于生成自然语言回复。该服务支持通过配置文件定义多个聊天渠道及其关联的模型或文本语料，并提供HTTP API接口供外部系统调用。目前处于开发阶段，功能持续迭代中。

核心功能与特性

• Markov链文本生成：使用markovify库基于训练语料生成回复
• 多渠道支持：通过配置文件定义多个聊天渠道，每个渠道可关联独立模型
• API接口：提供查询接口（/bot/query）和健康检查接口（/bot/health）
• 模型训练工具：包含日志解析和模型训练脚本，支持从IRC日志生成训练数据
• 配置灵活：通过TOML配置文件管理渠道和模型关联关系

使用场景

• 聊天平台机器人（如IRC、***等）
• 自动回复系统
• 基于历史对话数据的模拟对话服务
• 文本生成原型验证

使用方法

Docker部署

构建镜像

bash
docker build . -t blablabla

运行容器

bash
docker run -p 127.0.0.1:8000:8000 \
  -v ./config.toml:/blablabla/config.toml \
  -v /folder_with_bots/:/blablabla/bots/ \
  blablabla

参数说明：

• -p 127.0.0.1:8000:8000：端口映射，将容器内8000端口映射到主机的8000端口
• -v ./config.toml:/blablabla/config.toml：挂载配置文件，定义渠道和模型关联
• -v /folder_with_bots/:/blablabla/bots/：挂载模型文件夹，包含训练好的机器人模型

原生部署

bash
# 安装依赖
python3 -m venv venv
pip install -r dev-requirements.txt
pip install -e .

# 启动服务
gunicorn "api:from_config('config.toml')"

API端点说明

查询接口示例（/bot/query）

请求：

bash
curl --header "Content-Type: application/json" \
  --request POST \
  --data '{"_meta": {"api_version": 1}, "text": "Antani", "nick": "Rocco", "sender": "Rocco!~rtanica@unaffiliated/rocco", "my_own_nick": "DeBot", "channel": "##horsing-around"}' \
  http://localhost:8000/bot/query

响应：

json
{"reply": "Tarapia sulla supercazzola con scappellamento a destra o sinistra?"}

健康检查接口示例（/bot/health）

请求：

bash
curl http://localhost:8000/bot/health

响应：

json
{
    "status": "OK",
    "bots": {
        "##horsing-around": {
            "model": {
                "state_space_size": 608440,
                "state_size": 2,
                "parsed_sentences": null,
                "language": null,
                "bot_version": "0.1.0",
                "last_updated": "Not implemented"
            },
            "model_path": "bots/##horsing-around"
        },
        "##horsing-around-test": {
            "model": {
                "state_space_size": 608440,
                "state_size": 2,
                "parsed_sentences": null,
                "language": null,
                "bot_version": "0.1.0",
                "last_updated": "Not implemented"
            },
            "model_path": "bots/##horsing-around"
        }
    }
}

数据准备与模型训练

日志解析生成语料

使用scripts/parse_logs.py脚本从IRC日志中提取消息内容，生成训练语料：

bash
python scripts/parse_logs.py --source data/ --destination input.txt

直接训练模型

支持生成pickle或json格式的模型文件：

生成pickle格式模型：

bash
python scripts/parse_logs.py --train-model pickle --source data/ --destination model.pickle

生成json格式模型：

bash
python scripts/parse_logs.py --train-model json --source data/ --destination model.json

查看脚本帮助：

bash
python scripts/parse_logs.py -h

注意事项与限制

• 数据存储：模型数据从文本/二进制文件读取并存储在内存中
• 模型更新：不支持动态更新模型，新增数据需重新训练
• 推理性能：使用strict=False参数时推理延迟较高（当前默认使用strict=True）
• 依赖库：基于markovify文本生成库，具体限制参考其官方文档

开发状态

当前处于开发中，代码稳定后将保护master分支，仅通过PR接受变更。