Opprett praterobot på ndla - itnett/FTD02H-N GitHub Wiki

prateroboter

Det høres spennende ut å lage en egendefinert praterobot! For å hjelpe deg med å opprette en praterobot som kan integreres med NDLA (Nasjonal Digital Læringsarena), kan vi starte med å definere hva slags funksjonalitet og informasjon den skal tilby. Her er en enkel guide for hvordan du kan gå frem:

Trinn 1: Definer formålet med prateroboten

Hva er hovedformålet med prateroboten? Her er noen eksempler:

  • Svare på fagrelaterte spørsmål fra elever.
  • Hjelpe lærere med undervisningsmateriale.
  • Gi tips og ressurser fra NDLA.

Trinn 2: Bestem innhold og funksjonalitet

Hva slags spørsmål og svar skal prateroboten håndtere? Her er noen forslag:

  • Spørsmål om spesifikke fag (f.eks. norsk, matematikk, historie).
  • Informasjon om eksamensforberedelser.
  • Hjelp med å finne artikler og videoer på NDLA.
  • Generell veiledning i studieteknikk.

Trinn 3: Lag et grunnleggende oppsett

Her er et eksempel på hvordan du kan strukturere oppsettet for prateroboten.

Introduksjonstekst:

Hei! Jeg er NDLA-prateroboten. Hvordan kan jeg hjelpe deg i dag?

Dersom roboten stopper midt i en setning eller ikke svarer, kan du bare be den om å fortsette eller prøve på nytt.

Retningslinjer:
- Ikke del personlig informasjon.
- Vær kritisk til svarene du får fra tjenesten.
- Språkmodellen produserer tekst ut fra mønstergjenkjenning og sannsynlighetsberegning. Den gjør ingen vurderinger knyttet til rett eller galt, sant eller usant.

Kildehenvisning:
Azure OpenAI. (2023). NDLA praterobot: Egendefinert praterobot (9. oktober versjon) [Stor språkmodell GPT-3.5 Turbo]. NDLA. https://ndla.no/minndla

Trinn 4: Implementer prateroboten

For å implementere prateroboten kan du bruke plattformer som Azure Bot Service, Google Dialogflow, eller Rasa. Her er en enkel pseudokode som illustrerer hvordan du kan lage en praterobot ved hjelp av Python og NDLA API:

from flask import Flask, request, jsonify
import requests

app = Flask(__name__)

@app.route('/webhook', methods=['POST'])
def webhook():
    data = request.json
    user_message = data['message']
    response = handle_message(user_message)
    return jsonify({"reply": response})

def handle_message(message):
    # Logikk for å håndtere melding og søke i NDLA
    if "matematikk" in message.lower():
        return search_ndla("matematikk")
    elif "norsk" in message.lower():
        return search_ndla("norsk")
    else:
        return "Beklager, jeg forstod ikke spørsmålet ditt. Kan du prøve igjen?"

def search_ndla(query):
    ndla_api_url = f"https://api.ndla.no/search?q={query}"
    response = requests.get(ndla_api_url)
    if response.status_code == 200:
        results = response.json()
        # Eksempel på å returnere de første resultatene
        return results[0]['title'] + ": " + results[0]['url']
    else:
        return "Beklager, jeg klarte ikke å finne informasjon om dette på NDLA."

if __name__ == '__main__':
    app.run(port=5000)

Trinn 5: Test og tilpass

  • Test prateroboten med forskjellige spørsmål for å sikre at den svarer korrekt.
  • Tilpass svarene og logikken etter behov.

Ved å følge disse trinnene kan du lage en egendefinert praterobot som hjelper både elever og lærere med informasjon fra NDLA. Hvis du trenger hjelp med spesifikke deler av prosessen, er det bare å si ifra!

Takk for informasjonen! La oss oppsummere hvordan du kan opprette en egendefinert praterobot basert på NDLA sin tjeneste. Her er en trinnvis guide som tar hensyn til tekniske detaljer og sikkerhetsaspekter:

Trinn 1: Definer formål og målgruppe

Bestem om du vil lage en praterobot for elever eller lærere. Dette påvirker ledeteksten som settes for modellen.

Trinn 2: Ledetekst

Bruk følgende ledetekst avhengig av formålet:

  • For elever: “Skriv som om du er en elevhjelper for elever i videregående skole. Vær pedagogisk og motiverende.”
  • For lærere: “Skriv som om du er en lærerhjelper for lærere på videregående skole. Vær didaktisk, hjelpsom og kreativ.”

Trinn 3: Teknisk oppsett

  1. Opprett en Azure OpenAI Service:

    • Registrer deg hos Microsoft Azure og opprett en OpenAI service.
    • Få API-nøkkelen og endpoint-URL.

  2. Implementer prateroboten:

    • Bruk et web-rammeverk som Flask (Python) for å lage en enkel server.
    • Sett opp en webhook for å motta og svare på meldinger.

Her er et eksempel på hvordan du kan sette opp serveren i Python med Flask:

from flask import Flask, request, jsonify
import openai

app = Flask(__name__)

# Sett din OpenAI API-nøkkel her
openai.api_key = 'din-api-nøkkel'

# Ledetekst basert på målgruppen
lead_in_text = "Skriv som om du er en lærerhjelper for lærere på videregående skole. Vær didaktisk, hjelpsom og kreativ."

@app.route('/webhook', methods=['POST'])
def webhook():
    data = request.json
    user_message = data.get('message', '')
    response = get_openai_response(user_message)
    return jsonify({"reply": response})

def get_openai_response(message):
    # Send forespørsel til OpenAI API
    response = openai.Completion.create(
        engine="gpt-3.5-turbo",
        prompt=lead_in_text + "\n\n" + message,
        max_tokens=150,
        temperature=0.5
    )
    return response.choices[0].text.strip()

if __name__ == '__main__':
    app.run(port=5000)

Trinn 4: Testing og justering

  • Test prateroboten: Bruk ulike scenarier for å sikre at roboten svarer korrekt.
  • Justér temperaturen: Hvis svarene er for uforutsigbare eller for monotone, kan du justere temperaturen (f.eks. fra 0,5 til 0,6 eller 0,4).

Trinn 5: Implementering på nettsiden

  • Integrer prateroboten på NDLA sin nettside ved å bruke en iframe eller en JavaScript-basert løsning for å kommunisere med Flask-serveren.
  • Sikkerhet: Sørg for at all kommunikasjon skjer over HTTPS for å beskytte brukernes data.

Trinn 6: Vedlikehold og oppdatering

  • Overvåk og vedlikehold prateroboten for å sikre at den fungerer som forventet.
  • Oppdater ledetekst og innstillinger basert på tilbakemeldinger fra brukerne.

Eksempel på ledetekst og koding

Ledetekst:

Skriv som om du er en lærerhjelper for lærere på videregående skole. Vær didaktisk, hjelpsom og kreativ.

Eksempel på serverinnstilling med Flask:

from flask import Flask, request, jsonify
import openai

app = Flask(__name__)

openai.api_key = 'din-api-nøkkel'

@app.route('/webhook', methods=['POST'])
def webhook():
    data = request.json
    user_message = data.get('message', '')
    response = get_openai_response(user_message)
    return jsonify({"reply": response})

def get_openai_response(message):
    lead_in_text = "Skriv som om du er en lærerhjelper for lærere på videregående skole. Vær didaktisk, hjelpsom og kreativ."
    response = openai.Completion.create(
        engine="gpt-3.5-turbo",
        prompt=lead_in_text + "\n\n" + message,
        max_tokens=150,
        temperature=0.5
    )
    return response.choices[0].text.strip()

if __name__ == '__main__':
    app.run(port=5000)

Med denne veiledningen kan du sette opp en egendefinert praterobot som passer til NDLA sitt formål, enten for elever eller lærere. Hvis du trenger videre assistanse, er det bare å si ifra!

Opprett Praterobot basert på GitHub-innhold

For å lage en egendefinert GPT-assistent for IT-drift og sikkerhet ved Fagskolen Innlandet, kan vi følge disse trinnene:

  1. NAVN:

    • "IT-Drift og Sikkerhet Assistent"

  2. SYSTEMLEDETEKST:

    • "Du er en ekspert i IT-drift og sikkerhet. Gi råd om IT-infrastruktur, nettverk, cybersikkerhet, og serverdrift. Tilby løsninger for feilsøking og gi kursmateriell og veiledning for IT-sertifiseringer som CCNA og ITIL."

  3. INNLEDENDE SPØRSMÅL:

    • "Hei! Hva kan jeg hjelpe deg med i dag? Trenger du hjelp med IT-infrastruktur, nettverk, sikkerhet eller noe annet?"

  4. TEMPERATUR:

    • 0.5

Eksempel på Implementering i Python med Flask

Backend (Flask API):

from flask import Flask, request, jsonify
import openai

app = Flask(__name__)

openai.api_key = 'din-api-nokkel'

@app.route('/webhook', methods=['POST'])
def webhook():
    data = request.json
    user_message = data.get('message', '')
    response = get_openai_response(user_message)
    return jsonify({"reply": response})

def get_openai_response(message):
    system_prompt = ("Du er en ekspert i IT-drift og sikkerhet. Gi råd om IT-infrastruktur, "
                     "nettverk, cybersikkerhet, og serverdrift. Tilby løsninger for feilsøking og gi kursmateriell "
                     "og veiledning for IT-sertifiseringer som CCNA og ITIL.")
    prompt = f"{system_prompt}\n\nBrukermelding: {message}"
    response = openai.Completion.create(
        engine="gpt-3.5-turbo",
        prompt=prompt,
        max_tokens=150,
        temperature=0.5
    )
    return response.choices[0].text.strip()

if __name__ == '__main__':
    app.run(port=5000)

Frontend (HTML):

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>IT-Drift og Sikkerhet Assistent</title>
    <script>
        async function sendSporsmal() {
            const sporsmal = document.getElementById("sporsmal").value;
            const response = await fetch('/webhook', {
                method: 'POST',
                headers: {
                    'Content-Type': 'application/json'
                },
                body: JSON.stringify({ message: sporsmal })
            });
            const data = await response.json();
            document.getElementById("svar").innerText = data.reply;
        }
    </script>
</head>
<body>
    <h1>IT-Drift og Sikkerhet Assistent</h1>
    <input type="text" id="sporsmal" placeholder="Skriv ditt spørsmål her">
    <button onclick="sendSporsmal()">Send</button>
    <p id="svar"></p>
</body>
</html>

Dette gir en robust start for en GPT-assistent som kan gi relevant støtte innen IT-drift og sikkerhet. Juster ledeteksten og funksjonene etter behov for å bedre møte brukernes behov.

Navn: IT-Drift og Sikkerhet Assistent Systemledetekst: Du er en ekspert i IT-drift og sikkerhet. Gi råd om IT-infrastruktur, nettverk, cybersikkerhet, og serverdrift. Tilby løsninger for feilsøking og gi kursmateriell og veiledning for IT-sertifiseringer som CCNA og ITIL Innledende spørsmål: Hei! Hva kan jeg hjelpe deg med i dag? Trenger du hjelp med IT-infrastruktur, nettverk, sikkerhet eller noe annet? Temperatur: 0.5

Ansvarsfraskrivelse:

Innholdet på denne wikisiden er generert helt eller delvis av kunstig intelligens (AI) og er ikke ment for informasjonsformål. Forfatteren fraskriver seg ethvert ansvar for nøyaktigheten, fullstendigheten eller påliteligheten av innholdet. Enhver handling du tar basert på informasjonen på denne siden er på eget ansvar og risiko.

Forfatteren fraskriver seg også ethvert ansvar for eventuelle likheter eller antydninger til likhet med annet publisert materiale. Enhver slik likhet er utilsiktet og uten ansvar. Det er leserens ansvar å gjennomføre plagiatkontroll og sikre at all bruk av innholdet fra denne siden er i samsvar med gjeldende regler og retningslinjer for opphavsrett og plagiering.

Det gis ingen garantier for at informasjonen på denne siden er i samsvar med gjeldende lover, regler eller retningslinjer. Leseren er selv ansvarlig for å verifisere nøyaktigheten og relevansen av informasjonen, og for å sikre korrekt kreditering av originale kilder.

Bruk av informasjonen på denne siden, inkludert risiko for plagiat eller brudd på opphavsrett, er på egen risiko.

Disklaimer 2

Alt innhold på denne plattformen er et resultat av en kreativ prosess som involverer både menneskelig input og generativ kunstig intelligens (AI). Tekstene er basert på bearbeidede prompts, og representerer en sammenslåing av publisistens tanker, ideer og AI-ens evne til å generere tekst.

Eventuelle likheter i rekkefølge, struktur, innhold, emnevalg, tematikk, avgrensninger eller oppstilling med annet materiale, enten kreditert eller ikke kreditert, publisert eller upublisert, er utilsiktet og tilfeldig.

Innholdet på denne plattformen er ikke ment å være en kilde til informasjon eller fakta, og skal ikke brukes som sådan. Dette er et eksperiment for å utforske potensialet og begrensningene ved generativ AI, både positive og negative, fordelaktige og ufordelaktige.

Vi oppfordrer leserne til å være kritiske og vurdere informasjonen i lys av dette. Vi tar ikke ansvar for eventuelle feil, unøyaktigheter eller misforståelser som kan oppstå som følge av bruk av innholdet på denne plattformen.

Disclaimer:

The information on this wiki page is generated entirely or partially by artificial intelligence (AI) and is not intended for informational purposes. The author disclaims any responsibility for the accuracy, completeness, or reliability of the content. Any action you take based on the information on this page is at your own responsibility and risk.

The author also disclaims any liability for any similarities or suggestions of similarity to other published material. Any such resemblance is unintentional and without liability. It is the reader's responsibility to conduct plagiarism checks and ensure that any use of the content from this page complies with applicable copyright and plagiarism rules and guidelines.

No guarantees are provided that the information on this page complies with applicable laws, rules, or guidelines. The reader is responsible for verifying the accuracy and relevance of the information and for ensuring proper crediting of original sources.

Use of the information on this page, including the risk of plagiarism or copyright infringement, is at your own risk.

⚠️ **GitHub.com Fallback** ⚠️