DynPrompt 1a

DynPrompt-1a

动态提示助手-单代理

主要特点

Automate repetitive tasks using gen AI.

$0 subscription fee. 100% data privacy.

关于项目

这个项目展示了我对使用 gen AI 在 Python 中进行即时工程和编码的理解。

它是一种自动化重复任务的工具——最大限度地减少在非增值流程上花费的时间，提高工作效率。

这是我完成deeplearning.ai的AI Python course和Prompt Engineering with Llama course后的一个项目。

技术细节

• Python版本：3.11
• 使用的库：ollama-python
• 所需依赖：pandas

安装与使用

从https://ollama.com/download下载并安装 Ollama

在终端中：

 pip install ollama 
ollama pull llama3.1:latest 

 pip install pandas 

准备数据.csv

prompt_var是您的任务的内容。

将它们分别粘贴到prompt_var列中的单独行中。

设置您的提示

在app.py的Base prompt部分下编辑您的提示。使用及时的工程技术来获得所需的结果。

示例用例：

• 电子邮件文本提取器

   prompt = f"""
      Given is an email from contains product code and corresponding remarks. Identify the product code and remarks within the original text. 
      
      Provide the product code and remark only in csv format, ready to save. Exclude the "```csv" declaration, don't add spaces after the comma, include column headers.
  
      Format:
      product_code, remark
      product_code_1, remark_1
      ...
      
      Email:
      """
  

• 客户评论文本分类器

   prompt = f"""
      Respond with "Positve" or "Negative": 
      the comment is a product reivew, describing an user experience. 
  
      Comment:
      """
  

即时工程资源：

• deeplearning.ai Llama 即时工程课程
• Microsoft / Meta提示工程文档
• 抄写法

运行app.py

 cd DynPrompt-1a
python app.py

response.csv 中的结果

responses.csv保存在同一文件夹中。在 Excel 中打开。

挑战和限制

回应很大程度上取决于所使用的法学硕士和及时的工程技术。

可以利用上述资源来完善快速工程技术。

可以使用什么 LLM 模型取决于您的硬件。 LLM 模型越好，RAM 和 VRAM 要求就越高。

特别是在此脚本中，我在 MacBook M3 Pro 18GB RAM上使用Llama 3.1 8B 。如果您的 VRAM 不足，您可能会遇到错误。

检查终端以查看 Ollama 是否正常运行。或者相应地编辑较小的法学硕士的脚本。

 ollama run llama3.1:latest

未来的计划和想法

我感兴趣的是：

• Langflow——用于多代理工作流程的低代码工具，允许执行更复杂的任务

• n8n——一个跨不同应用程序工作的自动化工作流程工具

反馈和贡献

如果您有任何反馈或改进建议，或者您知道有关 Langflow 和 n8n 的任何好的教程，请告诉我！让我们联系吧。

归因

我要感谢开源社区和 deeplearning.ai 的讲师。