锦中人工智能助手

# 简单的问答系统示例

import re

def ai_assistant(question):

question = question.lower()

if re.search(r'课程', question):

return "您想查询哪门课程的信息？"

elif re.search(r'时间表', question):

return "请告诉我您的课程名称，我帮您查找时间表。"

elif re.search(r'考试', question):

return "考试安排可以在教务系统中查看，请登录官网获取最新信息。"

else:

return "抱歉，我目前无法回答这个问题，请咨询教务处。"

# 示例对话

print("您好，我是校园AI助手。")

while True:

user_input = input("您有什么问题吗？")

response = ai_assistant(user_input)

print("AI助手：" + response)

if user_input == "退出":

break

from transformers import AutoTokenizer, AutoModelForCausalLM, TrainingArguments, Trainer

import torch

# 加载预训练模型和分词器

model_name = "gpt2"

tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForCausalLM.from_pretrained(model_name)

# 准备训练数据

train_texts = [

"什么是校园AI助手？",

"校园AI助手能帮我查课程吗？",

"考试安排在哪里查看？",

"如何预约图书馆？",

"校园AI助手的使用方法是什么？"

]

train_labels = [

"校园AI助手是一个基于人工智能的工具，帮助学生查询课程、安排日程等。",

"是的，校园AI助手可以查询课程信息。",

"考试安排可以在教务系统中查看。",

"您可以通过校园网站预约图书馆。",

"校园AI助手可以通过聊天界面使用，只需提出问题即可。"

]

# 对数据进行编码

encoded_inputs = tokenizer(train_texts, padding=True, truncation=True, return_tensors="pt")

labels = tokenizer(train_labels, padding=True, truncation=True, return_tensors="pt").input_ids

# 定义训练参数

training_args = TrainingArguments(

output_dir="./results",

num_train_epochs=3,

per_device_train_batch_size=1,

save_steps=10_000,

save_total_limit=2,

)

# 定义Trainer

trainer = Trainer(

model=model,

args=training_args,

train_dataset=torch.utils.data.TensorDataset(encoded_inputs["input_ids"], encoded_inputs["attention_mask"], labels),

)

# 开始训练

trainer.train()