在当今的数字时代，消息传递平台已成为我们日常沟通不可或缺的一部分。 WhatsApp拥有庞大的用户群和功能强大的功能，为建立智能聊天机器人提供了绝佳的机会，可以提供即时和个性化的帮助。在本文中，我们将探讨如何利用Flask，Twilio WhatsApp，Langcain和ChatGPT models的力量创建一个智能的WhatsApp机器人，在PDF问答中脱颖而出。

Twilio是一个领先的云通信平台，提供了一系列工具和服务，以将消息传递功能无缝地集成到您的应用程序中。通过将Twilio的消息API与Flask（轻巧且灵活的Python Web框架）相结合，我们可以为WhatsApp Bot开发强大的后端。

要应对处理PDF文件和提取相关信息的挑战，我们将研究语言模型和自然语言处理的领域。 OpenAI's高级语言模型（例如GPT-3.5 Turbo）提供了理解和生成类似人类文本的最先进功能。通过使用Langcain利用OpenAI models的功能，我们可以将机器人转换为知识渊博的助手，可以根据上传PDF文件的内容回答问题。

在本文中，我将逐步指导您，从Twilio的全面出版指南中汲取灵感。您将学习如何设置开发环境，从WhatsApp中处理传入的消息，PROCES PDF文件，生成文档嵌入式以及使用Twilio，Flask和功能强大的语言模型执行提问任务。

在本教程结束时，您将拥有一个功能齐全的WhatsApp机器人，能够为用户提出的问题提供准确而有见地的答案。这为客户支持，信息检索和自动化打开了令人兴奋的可能性，以触手可及的智能对话代理赋予企业和个人。

所以，让我们深入研究烧瓶，Twilio，Openai和Langchain的世界，并踏上了建立一个了不起的WhatsApp机器人的旅程，以彻底改变了我们与PDF的互动方式并获得即时知识的方式。

先决条件

• Python：确保您在系统上安装了Python。

• Twilio Account：为了发送和接收消息，有必要拥有一个Twilio帐户。为此，您将需要一个auth_token，twilio电话号码和account_sid。

• OpenAI API Key：要使用OpenAI的GPT-3.5型号，您需要一个API键。

• Ngrok：ngrok是一种工具，使我们能够将本地烧瓶服务器公开到Internet。

安装依赖项

要开始，您需要以下包：

• dotenv库：Alow alow you您加载了应用程序中的环境变量。使用pip install python-dotenv安装
• Langchain：允许您使用多种工具来构建AI供电的应用程序。使用pip install langchain安装
• PYPDF2库：您将使用PYPDF2库从PDF文件读取和提取文本。使用pip install PyPDF2安装
• Twilio Python库：允许您与Python中的Twilio API进行交互。使用pip install twilio安装
• OpenAI：使您可以访问OpenAI的GPT型号。使用pip install openai安装

但是，安装此软件包后，可能会提示您安装其他软件包，以便您运行该应用程序。

设置Twilio帐户

为了说明该过程，您将通过将Twilio Sandbox用于WhatsApp来配置Twilio帐户以利用WhatsApp。通过导航到左侧栏上的消息传递部分，访问Twilio控制台内的WhatsApp沙箱（如果您看不到它，请单击Explore产品以显示产品列表，您可以在其中找到消息传递）。接下来，扩展“尝试”下拉菜单，然后从选项中选择“发送WhatsApp消息”。然后，您将看到这个：

然后，您将继续进行扫描QR码，然后在WhatsApp中看到“加入疾病 - 看到”消息，发送它，就像您连接到WhatsApp。

设置我们的编码环境

然后，我们将进入我们的代码编辑器并创建一个 app.py 文件和a .env 文件。在我们的 .env 文件中，我们将继续进行以下内容：

TWILIO_ACCOUNT_SID = xxxxxxxx
TWILIO_AUTH_TOKEN = xxxxxxxx
TWILIO_PHONE_NUMBER = xxxxxxxx
OPENAI_API_KEY = xxxxxxxx

在先决条件中，您应该命名相应的令牌，现在您将代替xxxxxxxx。

构建机器人

现在，您已将所有令牌添加到您的 .env 文件中并创建了一个 app.py 文件，您将继续并导入所有依赖关系

from flask import Flask, request
import os
from twilio.twiml.messaging_response import MessagingResponse
from twilio.rest import Client
from dotenv import load_dotenv
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.embeddings.openai import OpenAIEmbeddings
import tempfile
from PyPDF2 import PdfReader
from langchain.vectorstores import FAISS
from langchain.llms import OpenAI
from langchain.chains.question_answering import load_qa_chain
app = Flask(__name__)


@app.route("/message", methods=["POST", "GET"])
def message():
    return "Hello, world"

if __name__ == "__main__":
    app.run(debug=True)

因此，以上是pdf q和a bot的裸露骨头，MessagingResponse MessagingResponse在twilio，Client中发送消息以访问我们的twilio帐户，dotenv to访问环境变量，RecursiveCharacterTextSplitter RecursiveCharacterTextSplitter将文本分开，OpenAIEmbeddings，OpenAIEmbeddings，OpenAIEmbeddings要创建Word Embedings，requests从twilio，templfile获取我们的PDF文件，以创建一个临时目录来存储上传的pdf，PdfReader，以便能够从上传的PDF文件中获取读取数据，FAISS以创建一个vector Store，以获取类似文本的矢量商店您在PDF中的问题load_qa_chain创建问答模型。

接下来，在Messages（）函数中附加此代码：

    load_dotenv()
    OPENAI_API_KEY = os.getenv('OPENAI_API_KEY')
    response = None
    account_sid = os.getenv('TWILIO_ACCOUNT_SID')
    auth_token = os.getenv('TWILIO_AUTH_TOKEN')
    client = Client(account_sid, auth_token)
    twilio_phone_number = os.getenv('TWILIO_PHONE_NUMBER')
    sender_phone_number = request.values.get('From', '')
    pdf_url = request.values.get('MediaUrl0')
    response = None

此代码用于通过检索环境变量来与Twilio客户端建立连接。还从发送者（特别是PDF URL）中提取重要信息，该信息将在以后将其存储在S3桶中。

现在您将此变量添加在@app.route的顶部，因为它们将作为稍后将要访问的全局变量。

pdf_exists = False
VectorStore = None

从PDF产生响应

接收PDF

if media_content_type == 'application/pdf':
        global pdf_exists, VectorStore
        pdf_exists = True
        response = requests.get(pdf_url)
        with tempfile.NamedTemporaryFile(suffix='.pdf', delete=False) as temp_file:
            temp_file.write(response.content)
            temp_file_path = temp_file.name
            pdf = PdfReader(temp_file_path)
            text = ""
            for page in pdf.pages:
                text += page.extract_text()
            text_splitter = RecursiveCharacterTextSplitter(
                chunk_size = 1000,
                chunk_overlap = 200,
                length_function = len
            )
            chunks = text_splitter.split_text(text=text)
            embeddings = OpenAIEmbeddings()
            VectorStore = FAISS.from_texts(chunks, embedding=embeddings)
            response = "Recieved, You can now ask your Questions"

首先，该代码验证是否已收到PDF文件。如果检测到PDF文件，则将称为“ PDF_EXISTS”的全局变量设置为true。接下来，该代码将请求发送到PDF的URL并检索文件。该文件临时存储在目录中，并读取其内容。然后，代码通过PDF的页面迭代，将文本分为1000个单词的片段，重叠为200个单词。

之后，该代码利用OpenAIEmbeddings函数来生成文本段的嵌入。然后将这些嵌入将其传递到矢量站中。最后，发送了一条通知消息，以指示代码准备回答与PDF有关的问题。

接收文字

elif pdf_exists:
        question = request.values.get('Body')
        if pdf_exists:
            docs = VectorStore.similarity_search(query=question, k=3)
            llm = OpenAI(model_name="gpt-3.5-turbo", temperature=0.4)
            chain = load_qa_chain(llm, chain_type="stuff")
            answer = chain.run(input_documents=docs, question=question)
            message = client.messages.create(
                body=answer,
                from_=twilio_phone_number,
                to=sender_phone_number
            )
            return str(message.sid)
        else:
            response = "No PDF file uploaded."

提供的代码首先检查是否收到文本。如果确实收到了文本，它将进一步检查是否通过检查可变PDF_EXISTS来以前发送了PDF文件。在此之后，该代码利用vectorStore根据所提供的问题搜索类似的文本。然后，它采用GPT-3.5-Turbo模型来根据检索到的信息生成答案。随后将生成的答案发送为消息，并返回消息SID（唯一标识符）。

但是，如果发送文本但没有事先上传PDF文件，则代码发送了一个响应，说明“没有PDF文件上传。”

收到无效格式

else:
        print(media_content_type)
        response = "The media content type is not application/pdf"
    print(media_content_type)
    message = client.messages.create(
        body=response,
        from_=twilio_phone_number,
        to=sender_phone_number
    )

    return str(message.sid)

如果未满足IF和ELIF语句中的条件，则代码将响应一条消息，说“媒体内容类型不是应用程序/PDF。”

运行我们的机器人

现在继续前往您的终端并运行python app.py，我们的应用将在localhost:5000上运行。现在，您可以继续前往NGrok并运行ngrok http 5000，以便您可以发送和接收WhatsApp消息。我们应该看到这样的东西

现在，复制循环的链接，返回到您的Twilio沙盒设置并在那里粘贴

在那里，您现在可以将PDF上传到您的WhatsApp bot并提出问题

结论

总而言之，您已经了解了提供的代码的各个方面。您已经探索了它的功能，如何验证PDF文件，检索和处理其内容，生成嵌入以及使用模型来回答问题。此外，我们考虑了在不满足某些要求时触发特定响应消息的情况。通过理解这些细节，您现在可以更好地了解该法规的整体行为及其在不同情况下的结果。

快乐的建筑！