# Awada

**Repository Path**: tomorrowsj/Awada

## Basic Information

- **Project Name**: Awada
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-11-02
- **Last Updated**: 2023-11-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

🔥🔥🔥 更新（2022-10-07）：🔥🔥🔥 

难得趁着假期进行了一波小更新，本次主要更新内容：

1、适配了wechaty0.8.5以上版本，推荐0.8.66

2、增加了ASR功能（基于paddlespeech），现在可以接受语音信息啦！（但ai回复还是文字）

**关于运营日的消息**

由于整个夏天都在忙于应用相关的数智人技术在商业项目尝试上，阿瓦达啃大瓜🍉也不得不被我强拉去当demo账号，所以一直无法进行运营日，估计这个状况还得持续一段时间，敬请大家期待……（我就先把加好友二维码撤下去吧）

-----------------

本项目致力于基于NLP预训练大模型为各类数字虚拟人打造"有趣的灵魂"。

不同于传统的 **"开放域对话"**，也并非 **"目标域对话"**（又称"任务型对话" task-oriented dialog)，我们提供的是一种 **"主题域对话"** 解决方案。三者的主要区别如下：

|开放域对话| 目标域对话   | 主题域对话   |
|--------|---------|---------|
|无对话目的| 有对话目的   | 有对话目的   |
|不强制完成目的| 强制完成目的  | 不强制完成目的 |
|无对话管理| 有对话管理   | 有对话管理   |
|无背景设定| 固定式背景设定 | 知识型背景设定 |

相对于目标域对话，主题域对话更加适合应用于虚拟人、数字演员、智能陪护以及教育等领域，并且在公共服务、客服等应用领域内可与目标域对话进行搭配组合以带来更好的体验。

本repo实现的是基于Python-Wechaty框架的的AI soul，并应用于我们的微信虚拟人"阿瓦达啃大瓜🍉"的长期运营中。

## 体验（for 普通用户）

~~请扫描如下二维码添加阿瓦达啃大瓜🍉，关注她朋友圈的"运营日预告"（也可留意本页面上方）。 我们会不定期进行有趣的运营日活动，仅面向已经添加了阿瓦达啃大瓜好友的微信用户。~~

敬请期待后续通告

~~注意：您发给机器人的任何消息都将被视为不涉及任何隐私，对话内容可能被应用于后续研究以及模型训练或者被用于公开案例展示等~~
~~添加机器人账号意味着您理解并接受上述声明。另请勿在与机器人的对话中涉及敏感内容与词汇。~~

~~因服务器容量以及微信相关政策限制，我将采用人工方式分批接受添加申请，请您发出好友申请后，耐心等待。~~

## 基于本方案进行内容创作（for 内容创作者）

本项目脱胎于一个有趣的创意——["可以与人类玩剧本杀的AI"](https://github.com/bigbrother666sh/shezhangbujianle)。

现在我们已经实现内容创作和编码的初步分离，这就意味着哪怕你没有任何代码基础，也可以基于本项目为自己的虚拟人定制一套有趣的灵魂！

然而这部分工作我们还在进行中，预计本月我们会发布第一版《创作手册》，如果您现在就迫不及待想开始创作，可以参考如下架构图并对照项目代码和/editor/examples/下的示例进行尝试。

![img](asset/aisoul.png)

整体上我的创作步骤建议是：

0、先定义场景背景，然后初步设想这个场景下用户可能与AI的对话意图以及AI的话题focus，并自己举几个例子；

1、用这少量的例子先跑rasa模型，来回几次后，确定第一版本的intents，最终使用rasa test拿到intent report；

2、根据intents，再来写scenario.xlsx, 注意每一个intent的rule需要考虑其他intent被误识别混入的情况，所以这一步应该对照上一步得到intent report;

3、找几个朋友（丢脸也不会在乎的那种）来试，根据实际对话数据重复上面的步骤，你需要反复的训练rasa模型和finetune uie模型；

4、扩大用户范围，不断重复上述过程……渐渐的，你会发现你的bot越来越聪明。


**如果你觉得上述步骤太复杂但你有优秀的创意，欢迎直接与我联系（weixin：baohukeji）**

## 工程部署（for engineer）

本项目基于如下关键模块，建议先行了解并开通相关服务：

### 浪潮源1.0 NLP大模型API

[浪潮 源1.0](https://air.inspur.com/home) 是世界上最大的单体中文NLP预训练大模型，本项目基于该模型最新（2022.5）的dialog模型，使用其优异的情景对话生成能力。

请于这里进行账号申请和服务开通：[https://air.inspur.com/home](https://air.inspur.com/home) 

### rasa3.0

本项目使用rasa3.0进行对话意图识别，请参考我的另一个[repo](https://github.com/bigbrother666sh/rasa-paddlenlp-ernie) 或者 [rasa官网](https://rasa.com/docs/)。

### 百度飞桨（PaddlePaddle）PaddleNLP UIE

最新版本的记忆机制换回使用Paddlenlp的通用信息抽取UIE预训练模型进行实体识别，详情请参考[这里](https://github.com/PaddlePaddle/PaddleNLP/tree/develop/model_zoo/uie)

（release0.1版本使用的paddlenlp的simbert 短语匹配模式）

整体来看rasa的意图识别在主题域这种偏开放的场景下是有点羸弱的（不过这已经是我能找到的唯一能用的了，看来学界在这个方面是有点缺乏），飞桨的UIE基本上也需要一定的语料进行finetune才能获得比较好的成果，另外schema的命名也有一点讲究，比如"作品名称"就比
"作品"的识别率更高……只能说目前阶段的人工智能有人类思维的特性，但远达不到人类思维的能力。

### Python Wechaty

本项目与微信的接口实现以及项目的整体骨架基于[Python Wechaty](https://github.com/wechaty/python-wechaty)。

如果你对此并不熟悉， 建议从这里起步：[Python Wechaty getting started](https://github.com/wechaty/python-wechaty-getting-started/)。


本项目环境为 python3.8或3.9

在完成以上准备工作后，你可以git clone本项目，并试着运行run.py， 如果缺失相关模块，可以尝试 pip install -r requirement.txt

祝好运！
 
# Citation

如果您在相关工作中参考或引用了本项目的部分或全部，请注明如下信息：

```
Author：bigbrother666sh
        CarrotMarcus
https://github.com/bigbrother666sh/Awada
Licensed under Apache2.0
```