本仓库只为
huanhuan-chat泛化版的一部分内容（文本对话抽取），欢迎大家给huanhuan-chat仓库star！本仓库的最大贡献就是为泛化的Character AI提供了从小说中建立数据集的功能。
huanhuan-chat: https://github.com/KMnO4-zx/huanhuan-chat.git
repo：https://github.com/KMnO4-zx/extract-dialogue.git
本项目利用chatgpt从小说中提取对话集，提取的样本中包括role，dialogue，比如以下的形式：
{
"role": "艾伦",
"dialogue": "不，不要提，这真是太倒霉了！我从楼梯上摔了下去，出现了较为严重的骨裂，只能打石膏做固定。"
}
{
"role": "克莱恩",
"dialogue": "真是不够走运啊。"
}-
克隆仓库并切换目录：
git clone https://github.com/KMnO4-zx/extract-dialogue.git，cd extract-dialogue -
安装依赖：
pip install -r requirements.txt -
在当前目录创建
.env文件，并填入DEEPSEEK_API。 -
把你要提取的小说或文本，放到当前目录，在
example.py中修改path。 -
强烈建议您结合要提取的小说修改
schema.py中的schema示例。在下面的部分中有详细介绍schema。 -
运行
example.py，python example.py
结果如下所示：
{"role": "克莱恩", "dialogue": "在帮警察们调查那起连环杀人案，虽然不一定能有收获，但赏金足够诱人，而且，和警察部门建立良好的关系对我们私家侦探来说非常重要。"}
{"role": "塔利姆", "dialogue": "这果然是大侦探忙碌的事情。"}
{"role": "塔利姆", "dialogue": "莫里亚蒂先生，我能请教一个问题吗？"}
{"role": "克莱恩", "dialogue": "这单免费，还有，叫我夏洛克就行了。"}
{"role": "塔利姆", "dialogue": "我有个朋友，爱上了不该爱的人，这种情况该怎么处理？"}
{"role": "塔利姆", "dialogue": "莫里亚蒂先生，我能请教一个问题吗？"}
{"role": "克莱恩", "dialogue": "这单免费，还有，叫我夏洛克就行了。"}
{"role": "塔利姆", "dialogue": "我有个朋友，爱上了不该爱的人，这种情况该怎么处理？"}
{"role": "克莱恩", "dialogue": "我唯一的建议是，不要犯法。"}
{"role": "克莱恩", "dialogue": "首先，我们要弄清楚‘不该’是源于什么？双方的家庭之间有仇恨关系？"}
{"role": "塔利姆", "dialogue": "不，这不是《罗密欧与朱丽叶》的故事！"}from extract import system_prompt
from schema import novel_schema
from LLM import DeepseekChat
from utils import ReadFiles
from tqdm import tqdm
import json
file_path = './data/test.txt'
docs = ReadFiles(file_path).get_content(max_token_len=500, cover_content=0)
sys_prompt = system_prompt(novel_schema)
model = DeepseekChat()
file_name = file_path.split('/')[-1].split('.')[0]
for i in tqdm(range(len(docs))):
response = model.chat(sys_prompt, docs[i])
try:
response = json.loads(response)
for item in response:
with open(f'{file_name}.jsonl', 'a', encoding='utf-8') as f:
json.dump(item, f, ensure_ascii=False)
f.write('\n')
except Exception as e:
print(e)