在 LINE Bot 開發中使用Semantic Kernel建立自然語言請假系統
身為 LAE(LINE API Expert) 與 LINE 的支持者，既然知道透過Semantic Kernel可以快速的開發對談機器人，那當然要嘗試用在 LINE Bot的開發上。
先前我們介紹過如何使用 Semantic Kernel 來開發一個支援記憶與對話前後文、可以用自然語言進行請假的對談機器人，但當時的架構是在 console 環境，負責記憶處理的 ChatHistory 是可以被長時間保存的實體物件，但換成了LINE Bot開發的WebAPI架構，一切就變的有所不同了。
首先，由於ChatHistory物件會隨著WebAPI行程消失而遺失，且我們的LINE Bot還得面對多個用戶，因此也無法簡單的用一個 ChatHistory 物件就保存所有用戶的對話紀錄。所以我們要做一些調整，為每一位用戶建立一個自己的ChatHistory物件。
因此，我們在 WebAPI 中撰寫了底下這樣的程式碼：
static Dictionary<string, ChatHistory> ChatHistoryByUser = new Dictionary<string, ChatHistory>();
private ChatHistory getHistoryFromStaticRepo(string UserId)
{
if (ChatHistoryByUser.ContainsKey(UserId))
return ChatHistoryByUser[UserId];
else
return new ChatHistory();
}
private void saveHistory(string UserId, ChatHistory chatHistory)
{
if (ChatHistoryByUser.ContainsKey(UserId))
ChatHistoryByUser[UserId] = chatHistory;
else
ChatHistoryByUser.Add(UserId, chatHistory);
}
這段程式碼以靜態方式儲存ChatHistory物件的Dictionary，搭配 getHistoryFromStaticRepo(string UserId) 和 saveHistory(string UserId, ChatHistory chatHistory) 這兩個方法，可以簡單地為每一個用戶保存對話狀態。
但請讀者留意，由於我們只是想用最簡單的方式來說明可行的做法，因此上面用靜態型別來暫時儲存對談紀錄，比較理想的實作還是採用資料庫或類似的儲存體，而非用靜態型別的記憶體變數來保存。
有了這兩個方法之後，我們在WebAPI主程式裡面，就可以大方地針對每一個用戶，在對談前取回聊天訊息:
// 在對談前取回聊天訊息
var history = getHistoryFromStaticRepo(LineEvent.source.userId);
if (history == null || history.Count() <= 0)
history = new ChatHistory(
@"你是企業的請假助理，可以協助員工進行請假，或是查詢請假天數等功能。
若員工需要請假，你需要蒐集請假起始日期、天數、請假事由、代理人、請假者姓名等資訊。最後呼叫 LeaveRequest Method。
若員工需要查詢請假天數，你需要蒐集請假者姓名，最後呼叫 GetLeaveRecordAmount Method。
--------------
* 所有對談請用正體中文回答
* 請以口語化的方式來回答，要適合對談機器人的角色
");
並且在對談後儲存聊天訊息:
if (LineEvent.type.ToLower() == "message" && LineEvent.message.type == "text")
{
// Add user input
history.AddUserMessage(LineEvent.message.text);
// Enable auto function calling
OpenAIPromptExecutionSettings openAIPromptExecutionSettings = new()
{
ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions
};
// Get the response from the AI
var result = chatCompletionService.GetChatMessageContentAsync(
history,
executionSettings: openAIPromptExecutionSettings,
kernel: kernel).Result;
// Add the message from the agent to the chat history
history.AddMessage(result.Role, result.Content ?? string.Empty);
// 在對談後儲存聊天訊息
saveHistory(LineEvent.source.userId, history);
responseMsg = result.Content;
}
其他程式碼的寫法，幾乎和先前 console 版本的 Semantic Kernel 完全相同。唯一的差別是我們在 LeaveRequestPlugin 類別的方法中稍微做了點修改，讓具體發生 action 的時候，傳送訊息給 admin(注意底下的 bot.PushMessage(…)：
[KernelFunction]
[Description("進行請假")]
public bool LeaveRequest([Description("請假起始日期")] DateTime 請假起始日期, [Description("請假天數")] string 天數, [Description("請假事由")] string 請假事由, [Description("代理人")] string 代理人,
[Description("請假者姓名")] string 請假者姓名)
{
isRock.LineBot.Bot bot = new LineBot.Bot(ChannelAccessToken);
bot.PushMessage(AdminUserId, $"action [建立假單: {請假者姓名} 請假 {天數}天 從 {請假起始日期} 開始，事由為 {請假事由}，代理人 {代理人}]");
return true;
}
如此這般，具有前後文記憶、可以透過自然語言請假的LINE Bot對談機器人就這樣完成了。
執行結果如下：
你會發現，在LINE裡面依舊可以很輕鬆地透過 Semantic Kernel 建立一個具有記憶且可以透過自然語言請假的對談機器人。由於這讓LINE Bot可以輕易的支援對談前後文和歷史訊息的記憶，並且可以透過LLM來剖析自然語言，理解語意，甚至自動執行相關的action(LeaveRequestPlugin類別中的method)，大大的簡化了Chat Bot的開發。
過去，我要大費周章才寫得出一個具有記憶和理解前後文，且可以有效的識別用戶以自然語言輸入的 LINE Bot。如今，透過 LLM 和 Semantic Kernel 可以在一兩百行程式碼內就可以實現，而且效果遠比過去的 Chat Bot 好上一個檔次。
這個例子，大致可以看到 Semantic Kernel + LLM 可以為 LINE Bot 帶來的突破!!! 我認為， Chat Bot 開發，現在才正式開始。
參考 課程：
https://www.studyhost.tw/NewCourses/LineBot
參考 Repo:
GitHub - isdaviddong/ex_linebot_with_sk
留言