LLM-вызов функции и извлечение данных
☰ Содержание
- Цель
- Ключевые понятия в проекте
- Вызов функции
- Вызов функций с помощью внешних инструментов
- Структурированное извлечение
- Варианты использования вызова функций
- Ссылки
Цель
Создайте систему извлечения диалоговых данных
- Часть 1. Разбивка процесса
- Определение необходимых данных для извлечения
- Создание базы данных для хранения извлеченных данных
- Определение инструментов для заполнения базы данных
- Создание инструментов для извлечения информации
- Часть 2. Построение всей системы экстракции
Быстрый доступ к блокноту: Dialogue_Data_Extraction_System.ipynb
Ключевые понятия в проекте
Вызов функции
- Вызов одной функции
- Вызов нескольких функций
- Параллельный вызов функций
- Вызов вложенной функции
- Нет звонка
Вызов функций с помощью внешних инструментов
- API-интерфейс
- Внутренний инструмент Python
Структурированное извлечение
- Простой метод
- Метод класса данных
Варианты использования вызова функций
- Вариант использования 1: извлечение структурированных данных из неструктурированных данных
- Вариант использования 2: извлечение самых актуальных данных из Интернета для самостоятельного обучения и обновления.
- Вариант использования 3: получение информации из внутренней базы данных
- Вариант использования 4: создать действительный файл JSON.
Ссылки
- Набор данных об обнимающем лице: SantiagoPG/customer_service_chatbot
- NexusRaven-V2 используется для продолжения вызова функции из Nexusflow.
Этот проект поддерживается DeepLearning.AI и Nexusflow.
