AWS Telegram bot

Делаем полезного telegram бота для получения кухонных рецептов от AI на AWS Free Tier. Диаграмма работы бота представлена ниже. Для получения нового рецепта он обращается к OpenAI по API и сохраняет его в AWS DynamoDB. Если нужно найти уже записанный рецепт, идет обращение к БД с поиском по определенному ингредиенту. Также можно вывести уже занесенный в БД рецепт по его ID.

Функционал бота

Команды бота (нужно вводить их первым словом без дополнительных знаков вначале):

• PING - Проверка работоспособности сервиса (пример: PING, ответ: Pong (см. раздел Кастомизация));

• RECIPE - Обращение к OpenAI модели для вывода нового рецепта (с занесением в базу данных) с указанными ингредиентами. Ингредиенты указываются через запятую без пробела (если ингредиент 1 - запятая не указывается) (пример: RECIPE говядина,сливки или RECIPE говядина, ответ: < Сам_рецепт > или "LLM postprocessing was done incorrectly" (см. раздел Кастомизация));

• SEARCH - Обращение к БД для вывода рецепта с указанным ингредиентом. Ингредиент указывается так, как он может встречаться в БД (пример: SEARCH говядин, ответ: <ID_рецепта> - <Название_рецепта> (построчно) или "Found 0 recipes with mentioned ingredient" (см. раздел Кастомизация));

• GET - обращение к базе данных для вывода рецепта с определенным ID (пример: GET 1, ответ: < Сам_рецепт > или "Wrong ID of receipt, try again!" (см. раздел Кастомизация)).

Кастомизация

• Структуру выводимых рецептов (а также абзацы, заносимые в БД) можно изменять через файл ai_recipe.py;

• Промпт можно изменить через файл request.py;

• Ответы бота на разные команды в ТГ (В том числе на неудачные запросы) можно изменить в reply.py.

AWS Lambda

В поле "Create Function" выбираем "Use a blueprint", в "Blueprint name" выбираем "Hello world function - Python3.10", даем кастомное название и следим чтобы в "Runtime" было "python3.10" а в "Architecture" было "x86_64". В "Execution role" выбираем "Create a new role with basic Lambda permissions".

CI/CD джоба в Github Actions настроена на деплой файла lambda_function.py вместе со всей папкой src и зависимостями в лямбда-функцию.

AWS DynamoDB

Была создана таблица в AWS DynamoDB (название таблицы указывается в AWS_DYNAMODB_TABLE), в качестве Partition key используем RecipeID (порядковый номер рецепта в базе). В качестве Table settings указываем Default settings.

AWS CodePipeline

В данном примере AWS CodePipeline используется только для проверки кода на соответствие code styles.

AWS CLI

https://docs.aws.amazon.com/cli/latest/reference/codepipeline/create-pipeline.html

AWS Console

Создаем пайплайн через кнопку Create pipeline

1. Step 1 - Choose creation option - Выбираем Create pipeline from template;

2. Step 2 - Choose template - В Category выбираем Continuous Integration, в Template - CI Build Python;

3. Step 3 - Choose source - в Source provider выбираем Github (via Github App), в поле Connection выбираем Connect to Github. После этого появляется всплывающее окно, в котором нужно будет ввести (придумать - например aws-github-conn) имя будущего соединения с github и нажать на Connect to Github. Github будет спрашивать разрешение на интеграцию с AWS и репозитории, которые будут доступны в рамках этого connection. Соглашаемся и ждем закрытия окна (или сообщения об успешном коннекте). Возвращаемся в изначальное окно, в поле Connection выбираем только что созданный connection, в поле Repository name выбираем наш репозиторий, в поле default branch выбираем main. В поле Output artifact format выбираем CodePipeline default.

4. Step 4 - Configure template - в поле CodePipelineName вводим имя (например DefaultPipeline), в CICodeBuildSpec - содержимое файла codepipeline.yaml

Настраиваемые переменные

1. AWS_ACCESS_KEY - Ключ от кредов aws для обращения к сервисам (кладется в Repository secrets в Github);

2. AWS_SECRET_KEY - Секрет от кредов aws для обращения к сервисам (кладется в Repository secrets в Github);

3. AWS_FUNCTION_NAME - ARN поднимаемой лямбда-функции (кладется в Repository secrets в Github);

4. TELEGRAM_BOT_TOKEN - Токен поднимаемого телеграм-бота (кладется в Repository secrets в Github);

5. OPENAI_API_KEY - Токен для обращения к моделям OpenAI (кладется в Repository secrets в Github);

6. OPENAI_MODEL - Модель OpenAI, к которой идет обращение (указывается в файле .env_template);

7. AWS_DYNAMODB_TABLE - название создаваемой в DynamoDB таблицы (указывается в файле .env_template).