查看 Shopping Agent 文档 | 查看 Chatbot 文档
ShoppingAgent是一个智能订单分析Agent，能够通过浏览器自动化、截图识别和大模型分析，帮助用户快速提取、汇总、生成excel，可以处理所有无法直接导出的订单后台信息。采用FastAPI作为后端服务，Streamlit作为前端界面，借助大模型的能力，实现自动化的Agent功能，提供直观的操作体验和强大的订单处理能力。
- 自然语言交互：通过聊天界面使用自然语言指令控制订单处理流程
- 浏览器自动化：自动打开网页并进行截图操作
- 灵活截图：支持全屏截图、元素选择截图和手动区域选择截图
- 批量分析：对多张订单截图进行批量处理和信息提取
- 数据导出：将分析结果导出为Excel文件
- 系统配置：可自定义服务器、模型和浏览器等参数
- Python 3.8+
- Google Chrome浏览器（版本140.0及以上，建议使用最新稳定版）
- 下载Chrome驱动，下载地址见dist/resourece文件夹下
-
克隆项目代码库到本地
-
安装依赖包：
pip install -r requirements.txt
-
启动后端服务：
python -m app.main
-
打开新终端，启动前端界面：
streamlit run app/frontend.py
-
浏览器会自动打开前端界面，或手动访问 http://localhost:8501
-
打开订单页面：在URL输入框中输入订单页面地址，点击"打开网页"按钮
-
截取订单截图：
- 选择截图方式（默认全屏或手动选择区域）
- 对于手动选择区域：先获取全页截图，然后在图片上拖动鼠标选择订单区域，最后点击"截取所选区域"
-
分析订单：点击"批量分析订单"按钮，系统会自动处理所有截图并提取订单信息
-
查看和导出结果：在右侧面板查看分析结果，点击"导出为Excel"保存数据
在左侧聊天窗口，可以使用自然语言指令控制系统
在侧边栏选择"系统设置"，可以配置：
- 服务器地址和端口
- AI模型参数和API密钥
- Chrome浏览器和驱动路径
注意：配置修改后需要重启应用才能生效
project-root/ ├── app/ │ ├── init.py │ ├── main.py # 后端服务入口 │ ├── frontend.py # 前端界面 │ ├── config.py # 配置文件 │ └── utils/ # 工具函数 ├── screenshots/ # 截图保存目录 ├── excels/ # Excel导出目录 ├── .env # 环境变量 └── requirements.txt # 依赖清单
-
浏览器无法启动：
- 检查CHROME_PATH配置是否正确
- 确保Chrome浏览器已安装且版本为112.0及以上
- 尝试更新Chrome浏览器到最新版本
- Windows系统需确保Chrome安装路径不含中文或特殊字符
-
截图失败：
- 检查网页是否完全加载
- 尝试使用不同的截图方式
- 确认浏览器窗口没有被最小化
- 确保Chrome版本与chromedriver版本匹配
-
分析结果不准确：
- 确保订单截图清晰可见
- 尝试缩小截图区域，只包含订单信息
- 检查API密钥和网络连接
-
前后端连接失败：
- 确认后端服务已启动
- 检查服务器地址配置是否正确
- 确认端口没有被占用
- python-dotenv>=1.0.0 # 环境变量管理
- fastapi>=0.103.1 # 后端API框架
- uvicorn>=0.23.2 # ASGI服务器
- streamlit>=1.27.0 # 前端框架
- requests>=2.31.0 # HTTP请求
- pandas>=2.1.1 # 数据处理
- openpyxl>=3.1.2 # Excel处理
- pillow>=10.0.1 # 图像处理
- selenium>=4.14.0 # 浏览器自动化（兼容Chrome 112+）
- webdriver-manager>=4.0.1 # WebDriver管理（自动匹配Chrome版本）
- python-multipart>=0.0.6 # 处理multipart表单数据
ChatGPT带火了聊天机器人，主流的趋势都调整到了GPT类模式，本项目也与时俱进，会在近期更新更新GPT类版本。 这是一个可以使用自己语料进行训练的中文聊天机器人项目，欢迎大家实践交流以及Star、Fork。
- 增加MindSpore版本，优先在MindSpore版本上引入GPT模型，RLHF等特性。
- 整体工程架构分为Seq2Seq和GPT两大分支，继续保持多AI框架版本演进。
- 实现类似mini-GPT4的功能，可以进行图文多模态的对话，主要提升趣味性和丰富性。
- 增强分布式集群训练相关能力和RLHF等特性。
大家可以使用小黄鸡的语料，下载地址： https://github.com/zhaoyingjun/chatbot/blob/master/chineseChatbotWeb-tf2.0/seq2seqChatbot/train_data/xiaohuangji50w_nofenci.conv
- 在下载好代码和语料之后，将语料文件放入train_data目录下，超参配置在config/seq2seq.ini文件中配置。
- 按照数据预处理器（data_utls.py）→ execute.py（执行器）→ app.py（可视化对话模块）的顺序执行就可以了。
- 大规模分布式训练版本，参照horovod的启动方式：
horovodrun -np n -H host1_ip:port,host2_ip:port,hostn_ip:port python3 excute.py
- ubuntu==18.04
- python==3.6
- tensorflow==2.6.0
- flask==0.11.1
- horovod==0.24 (分布式训练)
- torch==1.11.0
- flask==0.11.1
QQ：934389697