【AI实战日记-手搓情感聊天机器人】Day 1：15天手搓情感机器人？我的详细路线图与技术选型

qqq2199

517人浏览 · 2026-01-04 10:21:07

qqq2199 · 2026-01-04 10:21:07 发布

为了系统性地掌握AI大模型技术，我决定开启一个“情感聊天机器人”实战项目。不只是简单的调包，而是按照软件工程的标准，从架构设计到分阶段落地。本文详细梳理了项目的5个开发阶段、基于LangChain的技术栈选型，文末附带了Day 1的环境搭建与基础对话代码。

1. 为什么要做这个项目？

痛点：碎片化学习AI效率太低，不如直接做一个完整的应用。
目标：构建一个不仅仅会回答问题，还能记住上下文、感知情绪、拥有个性化人设的AI伴侣。

2. 项目路线图

为了保证学习过程条理清晰，我将开发计划拆解为 5 个阶段，共计15天的冲刺计划：

图1 项目路线图

Phase 1: 基础设施搭建

目标：配置 Python 环境，打通大模型 API，实现最基础的单轮对话。
关键点：环境隔离 (Conda)、API 密钥安全管理 (.env)、Request/Response 封装。

时间	任务模块	详细任务描述	预计产出
Day 1	环境与API	1. 安装 Miniconda & VS Code 2. 申请阿里通义千问/OpenAI API Key 3. 编写 LLMClient 基础类	能够与AI进行单轮对话的控制台程序
Day 2	Prompt工程	1. 设计 System Prompt (系统提示词) 2. 定义 AI 的基础人设 (如: 毒舌、温柔) 3. 测试不同 Prompt 对回答的影响	具备固定性格特征的对话机器人
Day 3	工程重构	1. 规范化目录结构 (src, tests, config) 2. 引入 Log 日志模块 3. 封装异常处理机制	结构清晰、健壮的 Python 工程项目

⚪ Phase 2: 记忆与状态管理

目标：解决 LLM 的“失忆”问题，实现连续对话。
关键点：LangChain Memory 组件、上下文窗口（Context Window）管理、Token 优化。

时间	任务模块	详细任务描述	预计产出
Day 4	短期记忆	1. 引入 LangChain 框架 2. 接入 ConversationBufferMemory 3. 实现多轮对话测试	能记住上一句话的聊天机器人
Day 5	情绪识别	1. 设计情绪分析 Prompt 2. 在对话中提取用户情绪标签 (开心/愤怒/悲伤) 3. 根据情绪动态调整回复语气	能感知用户情绪并做出反应的 AI
Day 6	持久化存储	1. 将聊天记录保存到本地 JSON/SQLite 2. 实现对话历史的回溯与加载	重启程序后依然记得你的 AI

⚪ Phase 3: 赋予灵魂与知识

目标：设定“女友/男友”或“导师”人设，并挂载私人知识库（如日记、文档）。
关键点：System Prompt 设计、向量数据库（Vector DB）、RAG（检索增强生成）架构。

时间	任务模块	详细任务描述	预计产出
Day 7	向量环境	1. 安装 ChromaDB (向量数据库) 2. 选定 Embedding 模型 (如 text-embedding-3-small)	向量数据库基础环境
Day 8	文档处理	1. 准备私人文档 (PDF/TXT) 2. 使用 TextSplitter 进行文本切片 3. 将文本向量化存入 ChromaDB	包含个人知识的向量索引库
Day 9	RAG链路	1. 构建 RetrievalQA 链 2. 将检索到的上下文注入 Prompt 3. 调试检索相关性	能回答私人领域问题的 AI
Day 10	效果优化	1. 优化 Prompt 模板以融合检索内容与人设 2. 处理检索为空的情况	回答更加自然、准确的知识库助手

⚪ Phase 4: 多模态交互 (Voice & Emotion)

目标：从“文字聊天”升级为“语音通话”，并根据用户情绪调整语气。
关键点：TTS (文本转语音)、STT (语音转文本)、简单的情感分析逻辑。

时间	任务模块	详细任务描述	预计产出
Day 11	让AI说话 (TTS)	1. 接入 Edge-TTS (免费) 或 OpenAI TTS 2. 实现文字转音频文件的播放	能发出声音的机器人
Day 12	听懂语音 (STT)	1. 使用 Whisper 或相关 API 进行语音识别 2. 实现麦克风录音功能	支持语音输入的交互模块
Day 13	全链路集成	1. 串联 STT -> LLM -> TTS 2. 优化语音互动的延迟	具备实时语音通话功能的 Demo

⚪ Phase 5: 全栈应用与部署

目标：开发可视化 Web 界面，部署上线。
关键点：Vue前端开发、Docker 容器化、云端部署。

时间

任务模块

详细任务描述

预计产出

Day 14

Web界面

1. 使用 Vue搭建聊天界面

2. 美化 UI (气泡对话框样式)

3. 集成侧边栏设置 (参数调节)

漂亮的网页版聊天应用

Day 15

部署上线

1. 编写 Dockerfile

2. 部署到 HuggingFace Spaces 或云服务器

3. 项目总结与开源

可供他人访问的在线服务

3. 系统架构设计

在开始写代码之前，我先梳理了系统的逻辑架构。

图2 系统架构图

1. 前端交互层 (Frontend Layer)

这是用户直接接触的“皮囊”，我选择了 Vue.js ，主要包含两个核心模块：

Vue.js SPA (单页应用)：
负责渲染聊天气泡、管理页面状态。Vue 的组件化开发让我能轻松定制“正在输入中...”的动画效果，以及未来多模态交互的复杂 UI。
Web Audio Module (音频处理)：
这是一个隐藏在界面背后的模块。它直接调用浏览器的原生 Web Audio API，负责捕获麦克风的原始音频流（Stream），并播放后端返回的语音二进制数据。这是 Phase 4 实现“实时通话”的关键。

2. 后端应用层 (Application Layer)

这是系统的“中枢神经”，运行在 Python 环境中：

FastAPI Gateway (网关)：
它是连接前端与后端的桥梁。负责处理 HTTP RESTful 请求（常规对话）和 WebSocket 连接（流式传输），并进行参数校验和鉴权。
LangChain Controller (编排控制器)：
这是整个架构中最核心的代码。你可以把它理解为“业务逻辑层”。当它收到用户的消息时，它不急着调用大模型，而是先进行**“三步走”编排**：
1）Memory Manager：去 Redis 里查阅上下文，看看我们之前聊了什么，防止 AI “断片”。

2）RAG System：去向量库里检索有没有相关的私人知识（比如我的日记或文档），让回答更有依据。

3）Prompt Engineer：将上下文、知识和用户问题打包，填充进预设的“人设模板”中。

3. 基础设施层 (Infrastructure Layer)

最底层的基石，负责数据存储和算力供给：

Redis / Session Store：
用于存储“短期记忆”。对话过程中的上下文（Context）会暂存在这里，保证交互的低延迟。
ChromaDB (Vector Database)：
用于存储“长期记忆”。所有的私人文档会被转化为**向量（Vector）**存放在此。大模型本身不懂我，但通过 ChromaDB，它能随时检索到关于我的信息。
阿里通义千问 API (Model Service)：
最终的算力提供方。经过 Controller 精心打包的 Prompt 会发送到这里，生成最终的自然语言回复。

4. 数据流转逻辑

用户在 Vue 界面 输入（或语音说话）。
FastAPI 接收请求，解析数据。
LangChain 介入，提取 ChromaDB 中的知识，结合 Redis 中的历史记忆。
组合好的 Prompt 发送给 DeepSeek。
生成的回答经由原路返回，最终在浏览器上渲染出来。

4. 技术栈选型

作为有软件开发背景的学习者，我在选型时不仅看重“热门”，更看重工程落地能力和成本控制。

分层 (Layer)	技术组件 (Component)	选型理由 (Why?)
语言环境	Python 3.10 + Conda	AI 开发的事实标准，Conda 用于隔离复杂的依赖库（如 PyTorch）。
大模型 API	阿里通义千问	性价比极高，有免费额度，代码能力强，兼容 OpenAI SDK，且无需魔法网络。
编排框架	LangChain	AI 应用层的“Spring Boot”，提供了丰富的工具链（Memory, Chains, Agents）。
向量数据库	ChromaDB	轻量级、嵌入式，不需要单独部署服务器，非常适合单机项目入门。
前端框架	Vue.js 3	前后端分离架构，提供更极致的 UI 定制能力和交互体验（替代 Streamlit）。
API 网关	FastAPI	高性能 Python Web 框架，用于连接 Vue 前端与 LangChain 后端。
环境变量	python-dotenv	工程化规范，避免 API Key 硬编码在代码中，保证安全。
工具库	Pydantic / Requests	用于数据验证和网络请求，保证代码的健壮性。

Day 1 实战：环境搭建与 Hello World

今天的任务很简单：搭建一个干净、规范的 Python 工程环境，并成功调用大模型。

1. 环境安装

Python 和 VS Code 已经安装完毕，具体安装过程参考【AI开发日记】最新Miniconda+VSCode安装指南。

2. 规划目录结构：先把“抽屉”分好

在写逻辑之前，我先在项目文件夹 emotion_bot 里建好目录：

emotion_bot/
├── .env                # 【核心机密】我把 API Key 藏在这里，绝对不能硬编码在代码里
├── main.py             # 【启动器】程序的入口，负责把整个系统跑起来
└── src/                # 【逻辑核心】后续所有的功能模块（如记忆、RAG）我都打算放这里
    ├── __init__.py     # (空文件) 加上它，Python 才知道 src 是一个包
    └── llm_client.py   # 【传话筒】今天只写这个，专门负责连接大模型

3. 第一步：解决“钥匙”的安全问题 (.env)

我这里沿用了后端开发的习惯，用 .env 文件来管理环境变量。

然后申请阿里通义千问的API Key：

1. 访问阿里云官网：https://www.aliyun.com/
2. 登录或注册阿里云账号
3. 进入阿里云控制台
4. 搜索"通义千问"或访问：https://dashscope.console.aliyun.com/
5. 在控制台中找到"API Key管理"
6. 点击"创建新的API Key"
7. 保存生成的API Key

在根目录下建了个 .env 文件，填入刚申请到的API Key：

# 阿里通义千问 API 配置
DASHSCOPE_API_KEY=sk-your-real-key-here
BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

4. 第二步：封装大模型客户端 (src/llm_client.py)

这里写了一个 LLMClient 类，因为现在的模型是阿里通义千问，如果后期要换成 GPT-4 或者 Claude ，把变化隔离在这个类里，外面的代码就不用动了。

import os
from openai import OpenAI  # 虽然用 阿里通义千问，但它兼容 OpenAI 的 SDK，这点很方便
from dotenv import load_dotenv # 专门用来读取 .env 文件的工具
 
class LLMClient:
    def __init__(self):
        """
        初始化：程序启动时，先把'电话线'插好
        """
        # 1. 既然用了 .env，启动时得先把它加载到系统的环境变量里
        load_dotenv()
        
        # 2. 从环境变量里取阿里通义千问的钥匙
        # 这样做的好处是，代码里没有任何敏感信息，发给谁都安全。
        self.api_key = os.getenv("DASHSCOPE_API_KEY")
        self.base_url = os.getenv("BASE_URL")
        
        # 3. 实例化 OpenAI 客户端
        # 这就是实际干活的'工人'，以后所有请求都通过它发送
        if not self.api_key:
            # 如果没读到 Key，直接报错，别往下跑了
            raise ValueError("❌ 坏了，找不到 API Key，快去检查 .env 文件！")
            
        self.client = OpenAI(
            api_key=self.api_key,
            base_url=self.base_url
        )
        print("✅ 大模型连接通道已建立...")
 
    def one_chat(self, user_input):
        """
        定义最简单的单轮对话：我发一条，它回一条
        """
        try:
            # 这里的 create 方法是标准的 API 调用方式
            response = self.client.chat.completions.create(
                model="qwen-plus", # 阿里通义千问模型名称
                
                # messages 是最关键的参数，是一个列表
                # 后面几天我要重点在这个列表里做文章（比如加记忆、加Prompt）
                messages=[
                    # system: 给 AI 设定情感聊天人设
                    {"role": "system", "content": "你是一个温暖贴心的情感陪伴AI助手，善于倾听和安慰他人。"},
                    
                    # user: 把我说的话传给它
                    {"role": "user", "content": user_input}
                ]
            )
            
            # API 返回的是一坨很复杂的 JSON 数据
            # 我们只需要拿到 content 字段，也就是 AI 真正说的话
            return response.choices[0].message.content
            
        except Exception as e:
            # 作为一个老鸟，捕获异常是肌肉记忆
            # 万一断网了，程序别崩，把错误打出来给我看
            return f"❌ 调用翻车了: {str(e)}"

5. 第三步：跑通主流程 (main.py)

有了上面的 LLMClient，main.py 就变得非常清爽了。它的职责很简单：接受我的输入 -> 扔给 Client -> 打印 AI 的回复。

# 引入刚才写好的类
from src.llm_client import LLMClient

def main():
    # 1. 初始化客户端
    bot = LLMClient()
    
    print("\n" + "="*50)
    print("🤖 AI: 你好！我是你的情感机器人原型机 (v0.1)。")
    print("💡 输入 'exit' 可以结束对话。")
    print("="*50 + "\n")
    
    # 2. 开启一个死循环，模拟聊天窗口
    while True:
        # 获取键盘输入
        user_input = input("Me: ")
        
        # 给自己留个后门，输入 exit 就能优雅退出
        if user_input.lower() in ["exit", "quit"]:
            print("🤖 AI: 溜了溜了，下次见！")
            break
        
        # 只要不是空话，就发给 AI 处理
        if user_input.strip():
            reply = bot.one_chat(user_input)
            print(f"🤖 AI: {reply}\n")

# 标准的 Python 启动写法
if __name__ == "__main__":
    main()

6. 激动的时刻：它活了！

做完这一切，我在终端敲下了 python main.py。
说实话，虽然做了十几年开发，但看到终端里蹦出 AI 回复的那一刻，还是有一种久违的兴奋感——这感觉就像当年第一次写出 Java 的 Hello World 一样。

✅ 大模型连接通道已建立...
==================================================
🤖 AI: 你好！我是你的情感机器人原型机 (v0.1)。
💡 输入 'exit' 可以结束对话。
==================================================

Me: 你好，你是谁？
🤖 AI: 你好！我是一个人工智能助手。虽然我现在还很简单，但我会不断学习的！

Me: exit
🤖 AI: 溜了溜了，下次见！

五、从“复读机”到“智能体”

今天的代码其实逻辑很简单，本质就是调了一个 API。但通过目录分层、环境隔离和类封装，我为后面 14 天的“添砖加瓦”打下了一个干净的地基。
现在的它虽然能说话，但还只是个**“没有感情的杀手”**（记不住事，也没性格）。
明天（Day 2），我要通过 Prompt Engineering（提示词工程），给它注入“灵魂”。