让机器人来回答于我的问题

目前只支持单轮 QA，采用文本相似度进行召回，支持自定义问题和答案。
文本相似度模型采用 SimCSE ，预训练模型来自 Hugging Face。

由于 Hugging Face 的下载需要用 git lfs，第一次配置起来稍微有些成本，所以我自己缓存了一份模型文件 simcse-chinese-roberta-wwm-ext.tar.gz。

需要先将模型放在 resource/model 目录下，然后执行 docker-compose up -d 即可。

simcse-chinese-roberta-wwm-ext-onnx.tar.gz

当命中某个标问时，会判定为命中为本条知识，并返回答案，当答案有多个时，会随机返回一个。
目录 resource/knowledge 下的任何 .json 后缀都会被尝试加载进知识库，格式如下。

{
  "知识_1": {
    "question_list": ["标问_1", "标问_2"],
    "answer_list": ["答案_1"]
  },
  "知识_2": {
    "question_list": ["标问_3", "标问_4"],
    "answer_list": ["答案_2", "答案_3"]
  }
}

当答案内容为 func:foo_bar 格式时，会从 about/func_set.py 中寻找并执行名为 foo_bar 的函数，目前不支持参数传入。

python3 main.py

curl -X POST \
     -H "Content-Type: application/json" \
     -d '{"text": "你好"}' \
     'http://localhost:3000/api/chat'