LLM 聊天机器人开发方法
人机交互
2025-09-18 v1 机器学习
摘要
本篇从研究到实践的全面论文探讨了开发课程聊天机器人的方法，比较了低代码平台与自定义编码解决方案在教育情境下的适用性。随着 GPT-4 和 LLaMA 等大型语言模型（LLM）的兴起，LLM 驱动的聊天机器人正被集成到教学工作流程中，以自动化任务、提供辅助并实现可扩展支持。然而，选择最佳开发策略需要在易用性、定制性、数据隐私和可扩展性之间进行权衡。本研究比较了两种开发方法：低代码平台（如 AnythingLLM 和 Botpress）与基于 LangChain、FAISS 和 FastAPI 的自定义编码解决方案。我们使用提示工程、检索增强生成（RAG）和个性化技术对聊天机器人原型在技术性能、可扩展性和用户体验方面进行评估。研究结果表明，尽管低代码平台 enables 快速原型开发，但在定制性和扩展性方面存在局限；而自定义编码系统提供了更多控制力，但需要相当大的技术专业知识。两种方法都成功实现了诸如自适应反馈循环和对话连续性等关键研究原则。本文提供了一个基于机构目标和资源选择合适开发策略的框架。未来工作将聚焦于结合低代码可访问性与模块化定制的混合解决方案，并纳入多模态输入以构建智能辅导系统。
引用
@article{arxiv.2509.13326,
title = {LLM Chatbot-Creation Approaches},
author = {Hemil Mehta and Tanvi Raut and Kohav Yadav and Edward F. Gehringer},
journal= {arXiv preprint arXiv:2509.13326},
year = {2025}
}
备注
Forthcoming in Frontiers in Education (FIE 2025), Nashville, Tennessee, USA, Nov 2-5, 2025