LLM-Chamada de Função e Extração de Dados
☰ Índice
- Meta
- Conceitos-chave no projeto
- Chamada de função
- Chamada de função com ferramentas externas
- Extração estruturada
- Casos de uso de chamada de função
- Referências
Meta
Construa um sistema de extração de dados de diálogo
- Parte 1 - Análise do processo
- Definindo os dados necessários a serem extraídos
- Construindo banco de dados para armazenar dados extraídos
- Definindo ferramentas para preencher o banco de dados
- Construindo ferramentas para recuperar informações
- Parte 2 – Construindo todo o sistema de extração
Acesso rápido ao notebook: Dialogue_Data_Extraction_System.ipynb
Conceitos-chave do projeto
Chamada de função
- Chamada de função única
- Chamada de múltiplas funções
- Chamada de função paralela
- Chamada de função aninhada
- Nenhuma chamada
Chamada de função com ferramentas externas
- Interface de API
- Ferramenta Python interna
Extração estruturada
- Método simples
- Método de classe de dados
Casos de uso de chamada de função
- Caso de uso 1: extrair dados estruturados de dados não estruturados
- Caso de uso 2: extrair os dados mais atuais da web para autoaprendizado e atualização
- Caso de uso 3: recuperar insights do banco de dados interno
- Caso de uso 4: gerar arquivo JSON válido
Referências
- Conjunto de dados sobre abraços: SantiagoPG/customer_service_chatbot
- NexusRaven-V2 é usado para prosseguir a chamada da função, que é do Nexusflow.
Este projeto é apoiado por DeepLearning.AI e Nexusflow.
