- vừa được xem lúc

Hướng dẫn tạo Discord Bot bằng LM Studio

0 0 8

Người đăng: Tiến Đạt Spycio Vũ

Theo Viblo Asia

MỞ BÀI

  • Xin chào mọi người, ở bài viết trước mình đã hướng dẫn mọi người tạo 1 con discord bot cơ bản chạy bằng Nodejs. Hôm nay mình sẽ hướng dẫn mọi người tạo 1 con bot bằng LM Studio. Mình đã hướng dẫn mọi người cách lấy token discord bot rồi mọi người có thể tìm đọc lại nhé.

  • LM Studio là một phần mềm mã nguồn mở, cho phép chạy trực tiếp các mô hình ngôn ngữ lớn (LLM) trên máy tính cá nhân của bạn. LM Studio cung cấp một giao diện dễ sử dụng và tương thích với các mô hình ngôn ngữ trên Hugging Face Hub. Bằng cách sử dụng LM Studio, bạn có thể tìm kiếm, tải về và tương tác với các mô hình ngôn ngữ từ cộng đồng Hugging Face

TIẾN HÀNH CÀI ĐẶT

  • Các bạn có thể cài đặt LM Studio tại https://lmstudio.ai . Ở đây các bạn chọn phiên bản phù hợp với máy của mình, mình thì dùng Windows nên sẽ cài bản dành cho Windows

image.png

  • Ở đây mình sẽ cài đặt Phi-3 của Microsoft, các bạn chọn cái kính lúp, nhập Phi-3 và tìm của Microsoft và download xuống

image.png

  • Chọn start để khởi động máy chủ cục bộ, nhớ accept firewall các kiểu nhé :>

image.png

TRIỂN KHAI CODE

  • Cài đặt các thư viện cần thiết

  • Tạo file .env với nội dung sau

    LM_STUDIO_API_KEY="lm-studio"
    DISCORD_BOT_TOKEN="<TOKEN_CUA_BAN>"
    MODEL_IDENTIFIER="model-identifier"
    LM_STUDIO_BASE_URL="http://localhost:1234/v1"
    
  • Tạo file app.py với nội dung sau

    #import các thư viên cần thiết from openai import OpenAI from discord.ext import commands from dotenv import load_dotenv import discord import os load_dotenv() #lấy thông tin từ file .env DISCORD_BOT_TOKEN = os.getenv('DISCORD_BOT_TOKEN') LM_STUDIO_API_KEY = os.getenv('LM_STUDIO_API_KEY') LM_STUDIO_BASE_URL = os.getenv('LM_STUDIO_BASE_URL') MODEL_IDENTIFIER = os.getenv('MODEL_IDENTIFIER') intents = discord.Intents.default() intents.messages = True bot = commands.Bot(command_prefix='!', intents=intents) client = OpenAI(base_url=LM_STUDIO_BASE_URL, api_key=LM_STUDIO_API_KEY) @bot.event async def on_ready(): print(f'Logged in as {bot.user}') await bot.tree.sync() @bot.tree.command(name="ask", description="Hãy hỏi tôi") async def ask(interaction: discord.Interaction, question: str): await interaction.response.defer() try: response = client.chat.completions.create( messages=[ {"role": "system", "content": "Always answer in rhymes."}, {"role": "user", "content": question} ], model=MODEL_IDENTIFIER, temperature=0.7, ) reply = response.choices[0].message.content await interaction.followup.send(reply) except Exception as e: await interaction.followup.send(f"Error: {str(e)}") bot.run(DISCORD_BOT_TOKEN)
    
    • Sau đó là chạy file app.py

    python app.py

    • Bên discord thì dùng lệnh /ask <câu hỏi bạn muốn hỏi>

    • Lưu ý câu trả lời chỉ từ 2000 từ trở xuống nêú không sẽ báo lỗi. Hình dưới là một số kết quả.

    image.png

    image.png

    Chúc các bạn thành công.

Bình luận

Bài viết tương tự

- vừa được xem lúc

Lightweight Fine-Tuning: Một hướng đi cho những người làm AI trong kỉ nguyên của các Super Large Models (Phần 1)

Note: Tiêu đề và nội dung của bài viết này được lấy cảm hứng từ bài viết của sếp mình: "Hướng đi nào cho những người làm AI trong kỉ nguyên của các Super Large Models?". Recommend các bạn nên đọc để t

0 0 24

- vừa được xem lúc

[Từ Transformer Đến Language Model] Bài 2: Kiến trúc và phương pháp Generative-Pretraining của GPT model

Tiếp nối series kiến thức nền tảng của large language model. Ở Bài 1: Bắt đầu với kiến trúc mô hình - Transformer, mình đã giới thiệu với các bạn về kiến trúc khởi nguồn của large language model - tra

0 0 15

- vừa được xem lúc

Hướng dẫn xây dựng một trang web InterviewGPT ứng dụng chatgpt cho các bạn sinh viên thực hành phỏng vấn

Giới thiệu về InterviewGPT. InterviewGPT là một ứng dụng web được phát triển nhằm cung cấp một trải nghiệm tương tác và trợ giúp trong quá trình phỏng vấn việc làm.

0 0 17

- vừa được xem lúc

Lightweight Fine-Tuning: Một hướng đi cho những người làm AI trong kỉ nguyên của các Super Large Models (Phần 2)

Note: Tiêu đề và nội dung của bài viết này được lấy cảm hứng từ bài viết của sếp mình: "Hướng đi nào cho những người làm AI trong kỉ nguyên của các Super Large Models?". Recommend các bạn nên đọc để t

0 0 21

- vừa được xem lúc

Fine-tuning một cách hiệu quả và thân thiện với phần cứng: Adapters và LoRA

Fine-tuning là gì. Parameter-efficient Fine-tuning (PEFT) với Adapters.

0 0 24

- vừa được xem lúc

Tất tần tật về LLaMA-2 - liệu có đủ làm nên một cuộc cách mạng mới

Lời giới thiệu. Xin chào tất cả các bạn, đã lâu lắm rồi kể từ sau bài viết về Trải lòng sau khi đọc GPT-4 Technical Report của OpenAI - các bác nên đổi tên công ty đi mình không có viết bài về LLM nữa

0 0 19