Ejemplo de BuilderBot + LangChainJs

Introduccion

Para el bot de whatsapp voy a implementar BuilderBot. Es un framework facil y versatil Te da la oportunidad de cambiar de API de WhatsApp con solo cambiar una variable y sin tener que aprender como funciona.

Para el backend de la inteligencia Artificial voy a implementar LangChain. Otro Framework que trabaja con LLM, esta bastante bueno y la documentacion esta bien completa

Instalacion

git clone https://github.com/Pocitanoide/LangChainBot.git
cd LangchainBot
npm i

BuilderBot

Normalmente un flujo conversacional de BuilderBot se ve asi>:

const Flujo = addKeyword(['Hola', 'Aloh'])
.addAnswer(
    {}
,
    async (ctx, {flowDynamic}) => {
      await flowDynamic("Esta es la respuesta del bot")c
    }
)

Tambien se puede encadenar acciones

const Flujo = addKeyword(['Hola', 'Aloh']) //! Acá recibe las palabras claves con las que se va a desencadenar una acción/es y/o respuesta/s
.addAnswer( "Hola, soy un bot",  //! Recibe un string o un array de estos.
    {capture:true} /// aca
,
    async (ctx, {flowDynamic}) => {
      ///*Logica*
      await flowDynamic("Flow Dynamic es otro metodo para enviar mensajes")c
    }
)
.addAnswer(
  "Esto se ejecutara una ves terminado la logica de la callback anterior Se termine",
  {capture:true},
  async (ctx, {}) => {
    //*Logica*
  }
)

const Flujo = addKeyword(EVENTS.ACTION).addAction() //! Necesario para poder ser trigereado por goToFlow();

const Flujo = addKeyword(EVENTS.DOCUMENT) //! const localPath = await provider.saveFile(ctx, {path:'...'})
.addAction(async (ctx, { provider }) => {
    const localPath = await provider.saveFile(ctx, {path:'...'})}//Para guardar el archivo
    //*Logica Con el Archivo*
    ) 

const Flujo = addKeyword(EVENTS.LOCATION).addAction(async (ctx) => {
  const LatitudDeLaUbicacion = ctx.message.locationMessage.degreesLatitude;
  const LongitudDeLaUbicacion = ctx.message.locationMessage.degreesLongitude;
  //*Logica*
}) 

const Flujo = addKeyword(EVENTS.MEDIA).addAction(async (ctx) => {
  const localPath = await provider.saveFile(ctx, {path:'...'})
  //*Logica*
}) 

const Flujo = addKeyword(EVENTS.VOICE_NOTE).addAction(async (ctx) => {
  const localPath = await provider.saveFile(ctx, {path:'...'}) //Para guardar el audio
  //*Logica*
}) 

const Flujo = addKeyword(EVENTS.WELCOME).addAction() //Este flujo se va a triggerear cuando el cuerpo del mensaje no corresponda con ninguna otra Keyword de otro flujo

LangChain

LangChain te permite herramientas para trabajar con LLM

Chains

Permite encadenar prompts (Pueden recibir el resultado de los prompts previos, y a su vez, pasar el resultado del prompt a otro prompt)

const prompt = ChatPromptTemplate.fromTemplate("Escribe para mi un cuento de {genero}");

Una ChatPromptTemplate, es una plantilla del prompt que se le va a pasar al modelo, entre {} se coloca la variable que se le quiere pasar al modelo

const chain = prompt.pipe(modelo).pipe(new StringOutputParser());

Modelo

export const Gemini= new ChatVertexAI({

    apiKey:process.env.GOOGLE_API_KEY,
    model:"gemini-1.5-flash",
    temperature:0.5 //* Que tanto puede "imaginar" modelo
  }
); 
//! Con esto ya funcionaria con Gemini, aunque tiene mas opciones

export const ChatGPT = new ChatOpenAI(
    {   
        apiKey:process.env.OPEN_IA_API_KEY,
        model:"chat",
        temperature:0.5 ,//* Que tanto puede "imaginar" modelo
    }
); //! Colocando el modelo, ya funcionaria, aunque tiene mas opciones