Cohere最佳实践：使用Shell开发知识库应用的技巧

引言

在当今AI驱动的开发环境中，Cohere作为强大的自然语言处理平台，为开发者提供了构建智能知识库应用的能力。本文将介绍如何通过简单的Shell脚本快速搭建一个基于Cohere的知识库应用原型。这种方法特别适合需要快速验证想法或构建小型知识管理系统的开发者。

准备工作

在开始之前，请确保您已具备以下条件：

已注册Cohere账号并获取API密钥
本地环境已安装：
- curl（用于API调用）
- jq（用于处理JSON响应）
基本的Shell脚本编写能力

第一步：设置Cohere API环境变量

代码片段

# 将您的Cohere API密钥设置为环境变量
export COHERE_API_KEY="your_api_key_here"

# 验证环境变量是否设置成功
if [ -z "$COHERE_API_KEY" ]; then
    echo "错误：COHERE_API_KEY未设置"
    exit 1
else
    echo "Cohere API密钥已配置"
fi

原理说明：
– 将API密钥存储在环境变量中比硬编码在脚本中更安全
– -z测试用于检查变量是否为空

注意事项：
– 不要在脚本中直接写入API密钥，特别是在版本控制系统中
– 考虑使用.env文件并在.gitignore中排除它

第二步：创建知识库查询函数

代码片段

#!/bin/bash

# 知识库查询函数
query_knowledge_base() {
    local question="$1"

    # 调用Cohere的生成API
    response=$(curl -s -X POST \
        -H "Authorization: Bearer $COHERE_API_KEY" \
        -H "Content-Type: application/json" \
        -d '{
            "model": "command",
            "prompt": "'"$question"'",
            "max_tokens": 300,
            "temperature": 0.7,
            "stop_sequences": ["\n"]
        }' \
        https://api.cohere.ai/v1/generate)

    # 使用jq提取生成的文本
    answer=$(echo "$response" | jq -r '.generations[0].text')

    # 返回答案并移除可能的引号
    echo "$answer" | sed 's/^"\|"$//g'
}

# 示例用法
answer=$(query_knowledge_base "什么是机器学习？")
echo "答案: $answer"

代码解释：
1. curl命令向Cohere API发送POST请求
2. -H参数设置授权头和内容类型头
3. -d参数包含请求体，指定模型、提示和其他生成参数
4. jq用于从JSON响应中提取生成的文本

实践经验：
– temperature参数控制输出的随机性（0-1）
– max_tokens限制响应长度以避免过长回答

第三步：构建简单的问答交互界面

代码片段

#!/bin/bash

# 加载之前定义的函数（假设保存在cohere_functions.sh中）
source cohere_functions.sh

echo "欢迎使用Cohere知识库系统(输入exit退出)"
echo "-------------------------------------"

while true; do
    read -p "您的问题: " user_question

    # 检查退出命令
    if [[ "$user_question" == "exit" ]]; then
        echo "再见!"
        break
    fi

    # 获取并显示答案
    echo "\n思考中..."
    answer=$(query_knowledge_base "$user_question")

    echo "\n答案: $answer"
    echo "\n-------------------------------------"
done

功能说明：
– 创建了一个简单的REPL(Read-Eval-Print Loop)界面
– 用户可以持续提问直到输入”exit”
– 每个问题都会调用之前的查询函数

优化建议：
– 添加问题历史记录功能
– 实现多轮对话上下文保持

第四步：实现本地知识库集成

代码片段

#!/bin/bash

# 知识库文件路径（JSON格式）
KNOWLEDGE_FILE="knowledge_base.json"

# 增强型查询函数，先检查本地知识库再调用Cohere
enhanced_query() {
    local question="$1"

    # 尝试从本地知识库获取答案（使用jq搜索）
    local cached_answer=$(jq -r --arg q "$question" \
        '.[] | select(.question == $q) | .answer' "$KNOWLEDGE_FILE")

    if [ -n "$cached_answer" ]; then
        echo "$cached_answer"
        return 
    fi

    # 如果没有缓存结果，调用Cohere API
    local cohere_answer=$(query_knowledge_base "$question")

    # 将新问答对添加到知识库（可选）
    jq --arg q "$question" --arg a "$cohere_answer" \
        '. + [{"question": $q, "answer": $a}]' "$KNOWLEDGE_FILE" > temp.json \
        && mv temp.json "$KNOWLEDGE_FILE"

    echo "$cohere_answer"
}

# JSON知识库示例结构:
# [
#   {
#     "question": "什么是AI?",
#     "answer": "人工智能是..."
#   }
# ]

原理说明：
1. jq用于查询和更新JSON格式的知识库文件
2. --arg传递shell变量给jq查询
3. select()函数过滤匹配的问题

注意事项：
– JSON文件需要初始化为空数组([])
– IO操作可能成为性能瓶颈，考虑定期合并更新

第五步：添加简单的评分反馈系统

代码片段

log_feedback() {
    local question="$1"
    local answer="$2"
    local rating="$3"

    # JSON日志文件路径 
    local FEEDBACK_FILE="feedback_log.json"

    timestamp=$(date +"%Y-%m-%d %H:%M:%S")

    # Append feedback to log file using jq 
     jq --arg q "$question" \
         --arg a "$answer" \
         --arg r "$rating" \
         --arg t "$timestamp" \ 
         '. += [{"timestamp": $t, "question": $q, "answer": $a, rating: $r}]' \ 
         "$FEEDBACK_FILE" > temp.json && mv temp.json "$FEEDBACK_FILE"
}

# Usage in the main loop:
echo "\n这个回答有帮助吗？(1-5分)"
read rating 

if [[ $rating =~ ^[1-5]$ ]]; then 
     log_feedback "$user_question" "$answer" $rating 
fi

总结

通过上述Shell脚本的组合，我们实现了一个功能完整的Cohere知识库应用原型：

核心功能
- Cohere API集成与问答生成 ✔️
- JSON格式的本地知识存储 ✔️
- CLI交互界面 ✔️

优化方向

代码片段

#!/bin/bash 

# Future improvements checklist:

# ☑️ Add conversation history context  
# ☑️ Implement semantic search for knowledge base  
# ☑️ Add rate limiting for API calls

关键学习点

代码片段

• Shell+jq可以高效处理JSON数据  
• Cohere的generate端点适合开放式问答  
• Environment variables > hardcoded secrets

完整示例下载

代码片段

git clone https://github.com/example/cohere-shell-kb.git  

cd cohere-shell-kb && chmod +x kb_cli.sh  

./kb_cli.sh

这个方案展示了如何用最简单的工具链构建AI应用原型。虽然Shell有其局限性，但对于快速验证和轻量级部署来说，它仍然是不可替代的高效工具。