Обучение программированию с нуля. Вы напишете MVP для стартапа на Python за 1 день. OpenAI API + Google API

Привет! Это бесплатный пошаговый гайд для обучения программированию на языке Python для начинающих. С помощью урока вы создадите полезное приложение -- тренажёр для изучения иностранных языков. Сами, на языке программирования Python и без «зерокодинга».

Я часто читаю статьи на VC о том, как кто-то придумал и разработал бота на 20к участников и с платными подписками, сделал вирусное приложение, получил признание стартап-сообщества. Я решил освоить Python и вместе с вами заглянуть «под капот» подобных MVP, сделав нечто подобное своими руками.

🔥Важно: добавлено продолжение урока, обязательно прочитайте его, чтобы ваш бот работал на сервере 24/7: Как запустить ChatGPT-бота на сервере? Программирование с нуля для начинающих. Python + Telebot + демон PM2

Урок будет разбит на 10 модулей. Начиная с 4-го модуля каждый раз у вас будет получаться рабочая программа на языке программирования Python. Каждый следующий модуль будет её дополнять. Вы можете остановиться на любом из них, если почувствуете, что становится сложно.

Список модулей:

1. Формулируем задачу и план решения
2. Устанавливаем среду PyCharm для программирования на Python
3. Пишем первую программу на Python
4. Настраиваем и программируем на Python Телеграм-бота
5. Подключаем Google Translate API (googletrans) для перевода слов
6. Реализуем функцию «словарь» на Python для сохранения слов и команду в Телеграм-боте для вывода слов
7. Самое интересное! Подключаем и используем OpenAI API (Chat GPT)
8. Программируем кнопки в Телеграм-боте с ответами теста, проверяем ответы пользователей
9. Тестируем программу и исправляем ошибки
10. Делаем фирменный стиль, настраиваем команды /start и /help

Чтобы статья была более универсальной и лаконичной, я буду скрывать самые элементарные пояснения под блок "содержание скрыто", вот такой:

Задача пришла из жизни: некоторые читают книги на английском, чтобы изучать язык, и часто встречают новые слова. Было бы здорово их куда-то вбивать, получать перевод, сохранять и на основе последних добавленных слов выдавать тест для самопроверки.

На основе формулировки задачи распишем схему взаимодействия с программой:

1. Просим пользователя ввести текст
2. Принимаем текст от пользователя
3. Переводим введенный текст на нужный нам язык
4. Выводим результат перевода

Также нам нужно сделать несколько пунктов меню:

1. Старт (просто стартуем, просим пользователя ввести текст)
2. Словарь — выводим последние 10 добавленных слов
3. Тест — просим программу сгенерировать для нас тест
4. Помощь

Скачаем главный инструмент -- бесплатную (для личного использования) среду для разработки на Python. Для этого вбейте в Google или Яндекс «PyCharm последняя версия» > переходите на сайт JetBrains > выберите Windows/MAC > нажмите на Community — Скачать exe.

Почему я не даю прямую ссылку? Хочу, чтобы урок был актуальным в будущем, а прямая ссылка может измениться.

Предупреждение: PyCharm весит много (400 Мб), если вы не хотите пользоваться такой тяжелой программой, покажу в конце материала, как написать программу в среде Google Collab без установки программ, через браузер.

Также в конце материала приводятся рекомендации по программированию на Python под Mac.

После скачивания нажмите «установить», выберите папку для установки и нажмите Next, далее жмите Next на каждом шаге, пока не завершите установку.

Найдите в интерфейсе программы Pycharm слева вверху пункт File > New Project

В открывшемся окне ничего не меняйте и жмите Create.

Вы увидите вот такой прекрасный код:

Удалите весь код, который выдал вам PyCharm. Замените его на строчку. приведенную ниже. Чтобы знания лучше закрепились, предлагаю перепечатать текст вручную, не делать Ctrl-C -- Ctrl-V.

Вот как это должно выглядеть:

Написав данный код, найдите вот такую кнопку в виде зеленого треугольника справа вверху и нажмите на нее.

Внизу в вашей программе отобразится результат выполнения программы.

Во вкладке Run в нижней части программы должна появиться строчка, которую мы хотели напечатать.

Если все сработало, я вас поздравляю, вы написали первую программу на Python.

💪Задача для закрепления навыков:

Выведите на экран другую надпись, например, «Hello, Zuckerberg».

Теперь вам нужно создать и настроить вашего собственного бота в Telegram. Следуйте этой простой пошаговой инструкции.

Создание бота в Телеграм

Найдите в Телеграме бота под названием @BotFather. Можете нажать на ссылку ниже:

Зайдите в menu > /newbot. Введите имя для вашего бота. Введите username для вашего бота.

У вас должен произойти такой диалог:

Самое важное — это API Token. Я его замазал на скриншоте, чтобы показать, что это секретная информация. Никому не давайте ваш токен, не выкладывайте в публичное пространство. Токен — это как пароль, с помощью него можно получить доступ к вашему боту и изменить его.

Подключаем API Token telebot API

Теперь зайдите в PyCharm и создайте файл config. py.

Находим слева вкладку Project, в ней файл main. py. Кликаем рядом с ним правой кнопкой мыши и нажимаем New > FIle.

Система предложит ввести имя файла, напишите config. py и нажмите Enter.

Проследите, чтобы файл лежал рядом с файлом main. py, а не в какой-то другой папке. Пути до файлов в программировании очень важны. Если файл попал в другое место, перетащите его, чтобы он оказался рядом с main. py как на скриншоте ниже.

Дисклеймер: файл config в будущем мы будем хранить в другом месте, но пока это не принципиально, и для удобства прописывания путей к файлам используем корневую папку.

В файл config. py мы пишем следующую строчку.

Выглядеть это должно вот так:

Теперь зайдем в файл main. py. В нем мы будем импортировать модули.

В данном случае нам нужно написать Телеграм-бота, поэтому мы подключим инструмент — модуль TelegramBotAPI, который называется Telebot.

Для импорта Telebot нам нужно прописать следующую строчку в самом верху:

Выглядеть это будет так:

Теперь нам нужно импортировать наш файл config. py. Пишем такой код:

Далее пишем такую строчку, в ней мы подключаем конкретного бота к нашей программе. В скобках мы обращаемся к нашему файлу config. py, чтобы получить значение переменной tg_token.

Импорт модулей идет чаще всего в два шага: 1. мы подключаем их с помощью команды import… в основной программе (это мы уже сделали) и 2. мы устанавливаем файлы импортируемых модулей с помощью команды pip3 install.

Но перед тем как начнем что-то устанавливать, настроим виртуальное окружение.

Активация виртуального окружения

Сейчас пользователям Windows будет немножечко больно, я не буду подробно объяснять, что мы будем делать, просто следуйте инструкции.

1. Зайдите во вкладку Terminal в нижней части PyCharm:

2. Проверьте, есть ли у вас приписка venv в скобках рядом со строчкой вида C:\Users\…

3. Если приписка есть, переходите сразу к блоку «Установка Telebot». Если приписки нет, следуйте инструкции.

4. Напишите следующую строку в Терминал и нажмите Enter.

5. Теперь введите следующий код.

6. Введите туда же в Терминал следующую строчку.

5. Перед строкой в Терминале должно появиться слово (venv).

Если приписка не появилась, пробуем альтернативный способ.

1. Зайдите в File > Settings

2. Откройте вкладку Tools > Terminal

3. В пункте Shell path нажмите на треугольник, чтобы появился выпадающий список, и выберите строчку, которая заканчивается на cmd. exe.

4. Убедитесь, что установлена галочка Activate virtualvenv и указан правильный путь к вашему проекту (если вы его не меняли, он должен быть правильным).

5. Нажмите кнопку Apply, после этого перезапустите Pycharm (закройте и откройте его). Перед строкой пути в Терминале должно появиться слово (venv).

Установка Telebot

После того как виртуальное окружение настроено, мы можем установить модуль telebot. Пишем следующий код в Терминале и нажимаем Enter.

На экране начнет происходить магия, и потом появится фраза со словами Successfully installed.

Еще несколько строчек на языке программирования Python и ваш бот оживет!

В этом коде мы говорим, что все сообщения, которые являются текстом, мы будем обрабатывать с помощью функции handle_message.

Вернемся к нашему главному коду в main. py. В нем есть такая строчка

Она означает, что мы будем посылать сообщение "Hi, VC!" в бота.

Последний штрих. Чтобы программа не прекращала работу (пока мы ее не остановим принудительно) мы должны прописать следующую строчку:

Весь код будет выглядеть так:

Запустим программу (зеленый треугольник):

Заходим в нашего бота, он просит нажать Start. Нажимаем. И вуаля. Вы можете нажать несколько раз, и каждый раз получите сообщение от бота. Вы можете писать любые сообщения, и бот вам всегда ответит своё Hi, VC!.

Если все получилось, то это невероятное, вы только начали изучать основы программирования, но уже смогли настроить виртуальное окружение для работы с программой на Python и запрограммировали собственного бота.

💪Задача для закрепления навыков:

Попробуйте вывести в бота фразу "Hello, Zuckerberg!"

Для перевода слов с одного языка на другой нам нужны Google Trans API. Воспользуемся импортом в коде основной программы, вверху.

Пишем такую строчку:

Теперь пропишем следующую строчку. Мы просим Googletrans перевести фразу Hi, VC на русский.

Здесь. translate — функция, в которую передаем три аргумента — текст, язык-источник (английский) и язык назначения (русский).

Устанавливаем Googletrans API. Давайте начнем с такой очевидной команды в Терминале:

Если программные модули установились и мы получили сообщение «Successfully installed », запускаем программу (зеленый треугольник).

Далее заходим в бота, пишем ему какое-то сообщение. Но ответа не приходит. В чем же дело? А дело — в ошибке. Вернитесь в PyCharm. Посмотрите, что мы натворили.

Я специально допустил эту ошибку, чтобы показать вам, как действовать в таких случаях. В любой момент времени какой-то модуль может установиться «криво», не туда, не так, не тот и тд. Что-то может перестать работать на той стороне, куда мы посылаем запросы.

Для решения проблем скопируем текст ошибки и воспользуемся поиском (Google или Яндекс).

По первой ссылке получаем такую рекомендацию:

Теперь удаляем нашу версию googletrans

Система попросит подтвердить изменения, нажмите y и Enter.

Пробуем установить googletrans так, как указано в скриншоте. Пишем в Терминале:

Проверяем, что ваша программа выглядит вот так. И запускаем ее.

Возвращаемся в бот. Пишем туда что-нибудь и — о чудо! — получаем перевод. VC по версии Google Translate на русском звучит как «ВК» (венчурный капитал, наверное).

Давайте теперь научимся переводить с английского на русский любой введенный текст и отправлять это обратно в бот. Убираем «Hi, VC» и заменяем это на выражение message. text. Получится такая конструкция:

Message. text в данном случае содержит последнее сообщение, которое мы прислали в бот. Почему мы пишем message. text, а не просто message, что казалось бы, логично? Потому что в message есть не только текст, но и время отправки, и автор сообщения и тд.

Программа теперь выглядит так.

Пообщался с ботом. Узнал много нового)

Поздравляю! Вы подключили API Google Translate, не испугались первой ошибки и нашли, как ее решить.

💪Задача для закрепления навыков:

Попробуйте перевести слова с английского на немецкий. Найдите в коде двухбуквенные обозначения языков (ru, en) и замените ru на код Германии. Найдите его сами в поисковике, введя «двухбуквенные обозначения стран».

Работаем с файлами с помощью Python

В этой программе нам нужно будет работать с несколькими файлами. Python позволяет создавать файлы с различными расширениями, считывать содержимое и записывать в них информацию.

Вот таким выражением мы будем записывать введенное пользователем слово в файл.

Вызывать эту команду мы будем изнутри функции, в которой получаем от пользователя текст.

Запускаем программу (зеленый треугольник).

Заходим в бота и пишем ему несколько английских слов.

Заходим в папку с нашим проектом. Она лежит по адресу наподобие C:\Users\______\PycharmProjects\pythonProject1. В ней рядом с файлами main. py и config. py должен появиться файл vocabulary. txt.

Откройте файл, вы увидите, что в нем сохранены наши слова.

Настраиваем команду (/command) в Телеграм-боте и выводим с 10 последних слов из файла

Чтобы настроить команду /vocabulary нам нужно будет снова вернуться к @BotFather в Телеграме. Заодно настроим команды /start и /help.

Жмем menu > mybots

Из предложенного списка выбираем вашего бота и жмет Edit bot.

Выбираем Edit Commands

Бот предложит ввести команды. Делаем так, как указано на картинке — команды пишем по-английски с маленькой буквы, далее пишем дефис, далее пишем понятный для пользователя текст команды.

Теперь создадим обработчик события «Нажали на кнопку /vocabulary». Для этого в Telebot API есть специальная функция.

Далее создаем функцию show_vocabulary

Внутри этой функции открываем файл на чтение (вместо режима «a» ставим режим «r»):

Далее нам нужно считать файл в список строк, взять последние 10 элементов и вывести их на экран в порядке, обратном порядку добавления.

Итак, у вас должен получиться такой код.

Давайте проверим, как он выполняется. Для этого напишем боту 12 слов и выполним команду /vocabulary. По идее, он должен вывести последние 10 слов.

Я вас поздравляю, вы научились работать с файлами в Python и создавать команды в Телеграм-боте.

💪Задачи для закрепления навыков:

• Попробуйте вывести последние 5 слов
• Попробуйте сделать это в том порядке, в котором вы их добавляли (старое добавленное выводим первым).
  

Эта часть, как мне кажется, самая крутая, потому что мы будем работать с мощной технологией, которая превратит наш простенький Телеграм-бот в MVP стартапа на базе ChatGPT. Я конечно, отчасти иронизирую, но в каждой шутке есть доля правды.

Сейчас мы уже полностью готовы к ее использованию: мы знаем, что такое API, знаем, как импортировать и устанавливать модули, знаем, как пользоваться токенами.

Перед тем как приступим к программированию сделаем три действия: зарегистрируемся (или авторизуемся) в OpenAI, сделаем промпт-дизайн и подключим с помощью токена наш аккаунт в OpenAI.

Регистрация в OpenAI

1. Если вы в РФ, то доступ к OpenAI может быть ограничен. Воспользуйтесь инструкциями из этой статьи
2. Если вы не в РФ, вбивайте в поиск «open ai api», переходите на сайт OpenAI, ищите там надпись Sign UP и регистрируетесь любым удобным способом, например, с помощью Google-аккаунта.

Промпт-дизайн в ChatGPT

Промпт — это наша инструкция, которую мы посылаем нейросети в надежде, что она сгенерирует нам классный ответ.

Перед тем как подключить OpenAI API к Телеграм-боту через Python, нам нужно через веб-интерфейс потренироваться создавать идеальный запрос для генерации нужного результата.

Я бы хотел отправлять нейросети английское слово, а в ответ получать тест вида «выберите верный перевод». Также нужно попросить нейросеть указать правильный ответ.

Заходим в chat. openai. com (эта ссылка, я думаю. меняться не будет). Создаем новый чат. Пишем в нем буквально следующее:

Результат получается интересным:

Но есть проблема: нейросеть выдает сразу несколько тестов и формулирует вопрос на английском. Лучший способ получить от нее идеальный результат — показать ей пример или шаблон. Создадим новый чат и переформулируем запрос:

Вот что нейросеть для нас сочинила, получилось замечательно.

К программе мы будет подключать немного более простую, чем ChatGPT, версию от OpenAI, она называется Da Vinci 003. Давайте убедимся, что она так же блестяще справится с задачей. Для этого ищем в поиске playground openai, заходим на сайт open ai и ищем раздел Playground.

Сначала выберите справа нейросеть da vinci 003, другие настройки не меняйте.

Теперь введите запрос и нажмите Submit. Результат получается отличный.

Подобный ответ нам прилетит, если мы отправим запрос из программы к нейросети. Нам нужно будет автоматически вычленить из него варианты ответов (это будут последние 4 строки ответа) и отрезать словосочетание «правильный ответ» вместе со скобками.

Чтобы получить код для генерации подобных ответов, достаточно нажать на кнопку View code в правой части интерфейса Playground.

И еще важный нюанс, мы должны взять не весь диалог с нейросетью, а только часть до слова «deteriorate». Само слово мы будем подставлять из программы. Мы получаем код:

Скопируйте его целиком, вот так:

И вставьте в вашу программу вот в эти места.

По умолчанию Open AI предлагает добавить свой токен с помощью «переменных окружения« операционной системы, и для этого импортирует «os». Но мы выбрали другой способ работы с токенами, поэтому убираем »import os», прописываем путь к токену openai. api_key и вставляем обращение к файлу confg. py.

Теперь идем в Open AI за токеном. Ссылку вы можете получить в окошке View code, которое мы открывали ранее, вот тут:

Либо на странице API keys, которая находится примерно вот здесь:

Копируете ваш API key (токен) и вставляете его в config. py.

Давайте добавим внизу функцию print, чтобы проверить, что нейросеть выдает нам ответ.

Здесь response — это ответ от нейросети. Мы пишем [«choices'][0]['text»], потому что выводим не весь ответ, а только текст ответа. Помимо текста там содержится еще много информации, она нам для работы программы не нужна.

У вас должен получиться такой код:

Жмем зеленый треугольник для запуска программы, и через несколько секунд получаем очередное чудо — нейросеть от Open AI ответила в нашу программу на Python.

Если вы допрограммировали до этого места, поздравляю, это очень круто. Вы научились работать с нейросетью через код на Python.

💪Задача для закрепления навыков:

Измените формулировку запроса к нейросети и посмотрите, какой будет ответ.

Создаем функцию создания теста

Сейчас мы создадим функцию, которая умеет на вход получить слово, а на выходе вернуть тест от Open AI.

Для этого перед блоком программы, который начинается с response, добавим такую строчку:

Строчку после prompt = мы изменим, добавив вместо слова «deteriorate» (это то слово, которые мы вставляли для примера) нашу переменную word. Вот так это будет выглядеть. Обратите внимание, что в Python мы можем переносить строки. Тут я это сделал для удобочитаемости.

Возвращаем ответ с помощью return.

Обратите внимание, мы добавляем в ответ слово word (наше искомое слово) , а также сам вопрос «как перевести слово..», т. к. нейросеть не присылает эту часть теста.

Также мы добавляем выражение <b></b>, которое делает текст жирным, если в bot. send_message мы пропишем параметр parse_mode=«html». Когда выведем текст, вы увидите, что искомое слово станет жирным.

Вызывать эту функцию мы будем из нашей функции, которая обрабатывает текст. Давайте сразу в ответ на введенное слово будем отправлять тест прямо в бота. Это временное решение, мы просто хотим убедиться, что тест генерируется.

Вся программа уже не помещается в один скриншот, поэтому пролистайте галерею:

Запускаем программу. Вы знаете как это делать. Вот результат:

Все работает неплохо.

Простите, но на этом месте я задумался, правильно ли писать «варианты ответов» или «варианты ответа». Грамота. ру подсказывает, что правильно писать «выберите правильный ответ». Так и поступим.

Теперь все выглядит отлично, близится финал.

Разбираем ответ Open AI на отдельные элементы

Ответ от нейросети мы получаем в виде единого текстового сообщения. Нам нужно разделить его на несколько строк, чтобы работать с каждым ответом отдельно.

В Python очень удобно работать с текстами (строками и символами). Есть замечательная функция split, которая поможет нам, ориентируясь на перенос строки (символ "\n"), разделить сообщение от нейросети на строки.

Test должен быть списком строк. Выведем его на экран с помощью функции print, чтобы это проверить.

Теперь попробуем отдельно вычленить ответы. Для этого мы уберем print(test) и вместо него напишем следующий код.

Давайте от вариантов ответа отрежем также цифру с точкой и пробелом

Для этого запишем вот такой код.

Погодите, но как же мы теперь узнаем, какой ответ правильный? А давайте сохраним его в другой файл, который назовем «current_answer».

Сохраняем правильный ответ в файл

При открытии файла будем пользоваться режимом «w», а не «a», потому что мы хотим каждый раз »перетирать» значения в файле, а не дополнять, ведь текущий правильный ответ только один.

Пишем

Этот код мы вставляем под условие if (test[i]. endswith(" (правильный ответ)")): , то есть, мы пишем в файл данный ответ только тогда, когда это правильный ответ.

Запускаем программу. Вводим в телеграм-бота нашего енота.

Заходим в папку с файлами проекта. Находим там новый файл current_answer.

Открываем его и видим там енота.

Выводим варианты ответов в виде кнопок KeyboardButton в Телеграм-боте

Теперь мы выведем варианты ответов в виде кнопок. Для создания кнопок в Телеграм боте нам нужно сделать разметку и расположить в ней элементы. Делается это такой строчкой.

Добавляем types через import в верхней части кода:

В данном случае нам не нужно дополнительно устанавливать модули, только подключить с помощью import.

Удаляем из кода временные сообщения, которые мы посылали в бот для проверки, я имею в виду вот эту строку bot. send_message(message. chat. id, text=make_test(message. text), parse_mode=«html»). А также убираем все print, которые также использовали для тестирования.

Теперь мы изменяем содержимое test, удаляя оттуда все лишние элементы Для этого элементу списка test и порядковым номером i мы присваиваем то же значение, только без лишних символов (цифр, пробелов и тд):

Добавляем в кнопки (KeyboardButton) текст и передаем их в разметку (markup). Обратите внимание, что порядковые номера элементов test начинаются с цифры 2, потому что нулевой и первый элемент — это две вводные фразы теста, а далее идут как раз наши четыре варианта ответов.

Приведу также более продвинутый способ выведения кнопок для более опытных читателей.

Добавляем пустой список кнопок.

Внутри ветвей условного оператора добавляем кнопки к списку btnlist:

Передаем список кнопок в наш markup (разметку), добавляя вначале значок * (на данном этапе не важно, что она делает, просто добавьте ее):

Выбрав любой из способов заполнения кнопок, вы их в любом случае в итоге передаете в markup. Теперь можем вывести этот markup.

Приведу коды для первого и второго способа генерации кнопок в виде галереи. В чем их отличие? Первый визуально более наглядный, но позволяет работать только с 4-мя кнопками. Второй выглядит сложно, но более гибок. Для данного урока вполне подойдет первый способ.

Посмотрим, что получается:

Проверяем, правильный ли ответ, и мотивируем пользователя

Итак, что у нас есть на данном этапе и что осталось сделать?

1. Мы умеем генерировать тест (правда, делаем это каждый раз, когда пользователь вводит текст). Нужно создать функцию обработки команды /test и переместить генерацию теста туда.
2. Мы умеем генерировать тест из последнего введенного слова. Нужно создать функцию, которая подбирает случайные слова в словаре.
3. Мы умеем сохранять текущий верный ответ теста в файл. Нужно научиться сравнивать этот ответ с тем, что вводит пользователь.
4. Мы умеем обрабатывать любые сообщения и переводить их. Но есть проблема — когда пользователь будет нажимать на кнопку ответа, в чат будет прилетать его вариант ответа в виде текста. Нужно научиться отделить ответы на тест и запросы на перевод и обрабатывать их по-разному.

Функция случайного выбора слова из словаря.

Выражение if esle здесь записано новым способом, более лаконичным.

Функция обработки команды /test

В нее мы переносим весь код, связанный с обработкой ответа от нейросети, разделения его на варианты ответа и тд.

В функцию random_word мы передаем файл словаря в таком виде word = random_word(«vocabulary. txt»).

Давайте проверим вывод. Сначала я удалю все строки из файла vocabulary. txt, должен вернуться Racoon.

Теперь я добавлю несколько слов и проверю, что выдается случайный результат.

Разделяем состояния бота: тест отдельно, ввод и перевод — отдельно

Внутри функции обработки текста по сути нам нужно реализовать следующую логику:

• Если файл current_answer — пустой, то мы не находимся в состоянии решения теста, мы должны переводить введенный текст.
• Если файл current_answer — непустой, мы сейчас находимся в состоянии решения теста, мы должны проверить, совпадает ли введенный пользователем текст с содержимым файла current_answer. Если совпадает, пишем, что пользователь — молодец. Если не совпадает, пишем, что пользователь — не молодец.
• После выполнения всех этих действий, мы должны очистить файл current_answer, т. к. мы уже не в состоянии теста.

Давайте теперь реализуем условный оператор if-elif-else в функции обработки текста.

Сначала мы сохраняем содержимое файла current_answer в переменную word.

Теперь проверяем, есть ли что-то в файле current_answer. Если нет, переводим текст и записываем результат в словарь.

Для проверки используем выражение if word == [] (или еще лучше if not word) то есть, проверяем, что слово не равно пустому списку.

Если у нас в файле «правильный ответ» есть слово и оно равно слову. которое ввел пользователь, то мы поздравляем его с правильным ответом.

В ином случае (если введенное слово не совпадает с «правильным ответом») пишем, что угадано неверно.

Обратите внимание, при ответах мы передаем новый markup (hidemarkup), который убирает все кнопки (варианты ответов). Кнопки нам в данный момент не нужны.

Чтобы такой markup, прячущий кнопки, создать, вызываем следующий код непосредственно перед началом оператора if-else:

Еще интересный момент — для поздравления пользователя мы используем функцию random, которая выбирает случайный веселый смайлик из списка. Приятная неожиданность никогда не помешает.

Также обратите внимание, что при вводе текста мы добавляем проверку на количество введенных слов, считая количество пробелов. Бот пока не сможет работать с идиомами и выражениями, и вернет ошибку, если пользователь введет больше двух слов.

В этом модуле вы вывели динамические кнопки в Телеграм-боте, написали собственный тест, а также научились управлять логикой программы.

💪Задача для закрепления навыков:

Сделайте несколько вариантов негативных ответов, используя функцию random.choice.

Проверим, как все работает. Очистим словарь, и заполним числами от 1 до 10.

Несколько раз сгенерируем тест. Программа должна возвращать случайное число в качестве задания и генерировать случайные поздравительные смайлы.

В принципе, все работает неплохо, но есть нюанс. В процессе работы с программой я очень редко, но ловил неверный перевод слов. Вот пара вопиющих случаев:

Почему так происходит? При генерации ответов нейросеть, в зависимости от переданных в нее параметров temperature, top-p, frequency penalty и presense penalty, может быть более и менее "креативной", быть склонной выдавать одинаковые ответы или стараться не делать повторов. Возможно, она решила заменять правильные ответы неправильными для разнообразия. Вот разбор параметров нейросети.

Меняю параметры, меняю промпт, прописываю также текстом, что мне не нужны повторы слова, не нужны синонимы и тд:

Меняем вызов нейросети в коде.

Проверяем, работает лучше, но иногда все равно бывают сбои. Идея генерировать весь ответ через Open AI была наглядной и заманчивой, но плохой. Придется переделать эту функцию, общаться с нейросетью на английском (для надежности), а верный ответ сохранять в файл сразу, не получая его от нейросети, а перевод всех слов делать непосредственно перед выводом через Google.

Промпт:

Вместо Raccoon нужно будет вставить наше искомое слово. Получится так:

Код функции обработки теста становится более логичным.

Проверил, все работает отлично. Одна проблема — некоторые слова начинаются с маленькой буквы. Чтобы исправить применяем функцию title.

Также для устранения повторов я установил presence_penalty=1 при запросе к нейросети. Насколько я понимаю, при такой настройке нейросеть будет максимально стараться исключить повторы.

Нашел еще одну проблему в коде при тестировании — если вы впервые запускаете программу и у вас еще нет файла current_answer, программа вылетит с ошибкой. Мы пытаемся прочитать файл, которого нет. Решается выражением try-except, которое служит для обработки ошибок.

Try - попробуем открыть файл - ecept - если файла не существует, создадим файл и попробуем его открыть.

В этом модуле мы научились тестировать итоговую программу и исправлять неверные решения.

💪Задача для закрепления навыков:

Потестируйте программу самостоятельно. Не щадите ее, отправляйте тексты на неправильных языках, пишите несуществующие слова, несколько раз подряд прокликивайте кнопки. Уверен, вы найдете еще ошибки.

Мы же деаем MVP для стартапа, а не просто программу, не так ли? А что в стартапе еще важнее, чем программа? Конечно, фирменный стиль.

Т. к. енот уже стал частью программы, я решил именно его использовать в качестве маскота. Не путать с Vik Enot.

Чтобы получить некого умного енота, забиваю в бесплатную нейросеть (в бота, о котором писал выше) запросы типа мультяшный енот ученый, енот лингвист, енот математик, и получаю что-то вот такое. Но зато бесплатно.

Выбираю енота-математика. Немного фотошоплю с помощью бесплатной Figma и добавляю в команду /start.

Заполняем также функцию для команды /help. Тестирую вывод:

Привожу код для /start и /help. Обратите внимание, что мы используем parse_mode=«html», чтобы иметь возможность добавлять теги (жирное) и (подчеркнутое) для форматирования текста.

Для отправки картинок используется команда send_photo, также вам нужно положить файлы (в данном случае Raccoon.png и Raccoon2.png, но вы можете использовать любые) в папку проекта.

Добавляем в бота аватар и описание, также через @botfather.

Пишем /mybots > выбираем нашего бота > Edit Bot > Edit Botpic.

Меняю имя бота и заполняю описания с помощью /mybots > выбираем нашего бота > Edit Bot > Edit Name / Edit About.

Вышло вот так. По-моему, неплохо.

Дополнительный функция

На этом месте я подумал, что наша программа простовата для искусственного интеллекта OpenAI. Но программирование тем и привлекательно, что дает неограниченные возможности для созидания. Мы уже подключили нейросеть и можем решать любые языковые задачи, которые придут нам на ум.

Тратим 2 минуты и дописываем команду /compose, которая берет три последних слова из словаря и сочиняет из них предложение. Почему бы не показать новые слова в контексте использования?

Вот такая функция (копируемый код будет ниже).

Вот такой результат.

Скринкаст использования программы.

Еще я попробовал поставить нашу нейросеть в тупик, прислав несколько несочетаемых слов (цемент, жимолость и одалживать). Справилась она неплохо.

Приведу полный код нашей программы.

Для того чтобы сделать наш итоговый код более красивым, выделяем текст кода и выполняем команду Ctrl + Alt + L. Эта команда убирает лишние отступы, выравнивает строчки. Привожу полный код программы.

Чать 1.

Часть 2.

Как выполнить урок на Mac.

Загружаем PyCharm, версию Community для Mac.

Устанавливаем XCode for mac. На самом деле, нужен не весь Xcode, а только Xcode Command Line Tool. Его можно найти по вот этому адресу. Введите в поиск «Xcode» и найдите версию для вашей версии Mac ОС.

Создайте новый проект в PyCharm, venv должно активироваться само.

Все прочие шаги урока не отличаются для Win и Mac.

Как весь урок пройти вообще без установки программ, непосредственно в браузере.

Это очень легкий способ. В нем есть минусы, но для данной задачи вполне подойдет.

Заходим в Google Collab (это среда разработки, которая может работать в браузере). Для этого пишем в поиске google collab

Вставляем наш итоговый код в правой части интерфейса.

Загружаем файлы в левой части интерфейса.

Модули тут устанавливаются вот такой записью.

Запускаем, все работает. Так как мы здесь разместили наш файл config, бот будет работать по той же ссылке с тем же аккаунтом Open AI.

Наша программа еще далека от совершенства. Опишу дальнейшие улучшения. Если вы хотите узнать, как это все делать, пожалуйста, поставьте лайк статье. Если она наберет 50 лайков, то я сделаю второй, более продвинутый урок.

1. Запуск программы на сервере на Linux (сейчас вы можете запустить ее только на своем компьютере, это неудобно).
2. Запуск сервиса, который позволяет программе работать 24/7 и перезапускает ее в случае краша.
3. Подключение базы данных, чтобы для каждого пользователя хранить его словарь и его правильный ответ.
4. Можно также сделать настраиваемым для каждого пользователя количество последних слов для теста (не 10, а 20, например).
5. Отправка теста по таймеру (например, 3 раза в день).
6. Реализуем еще несколько вариантов теста (например, будем тренировать spelling — правильное написание, выдавая отдельные буквы).
7. Функция выбора языков для разных пользователей.
8. Генерация аудио из текста и озвучивание переведенного слова, чтобы пользователь запоминал еще и произношение новых слов.
9. Прием на вход голосовых сообщений от пользователя.
10. Возможно. даже обработка идиом или word chunks
    
11. Обработка всех возможных ошибок и сценариев использования
    

Напишите в комментариях, получилось ли у вас выполнить задачу? Какие возникли трудности? Что бы вы хотели разобрать в следующих уроках (например, сайты, приложения)?