Самоучитель по созданию интеллектуального тела от Wenxin: (II) Процесс создания интеллектуального тела

Режим создания рабочих процессов помогает разработчикам быстро создавать интеллектуальные системы путем оркестровки рабочих процессов, где вы можете перетаскивать и комбинировать такие модули, как модели, подсказки, коды и т.д. для реализации точных и сложных бизнес-процессов.
Нажмите здесь, чтобы посмотреть видеокурсИнтеллект разработки рабочих процессов в действии.

 

создать

После входа в платформу нажмите на "Создать разведку" с левой стороны и сразу же создайте ее с помощью кнопки создания рабочего процесса в правом верхнем углу.

文心智能体教程:(二)工作流创建智能体

Заполните имя и профиль на панели и загрузите изображение аватара, чтобы завершить создание.

文心智能体教程:(二)工作流创建智能体

 

 

Построение процесса

Создать рабочий процесс интеллектуального тела с помощью визуальной хореографии так же просто, как перетащить наборы боковых панелей на холст и соединить их вместе, чтобы создать пути. Платформа Wencent Intelligent Body Platform предлагает на выбор множество наборов для разработки, включая цепи, модели, слова подсказки и многое другое.

文心智能体教程:(二)工作流创建智能体

 

 

комплект для разработки

 

1. Описание комплекта

Наборы - это строительные блоки процесса визуальной оркестровки. Они состоят из входов, выходов и параметров, которые определяют их функциональность и обеспечивают удобный и простой способ создания интеллектов.

Тип комплекта:

  • Цепь:Используемые для управления основным процессом, интеллекты будут следовать порядку цепочки, а затем выдавать результаты после выполнения; Платформа предоставляет различные типы, такие как большие цепочки моделей и цепочки ветвлений, для выражения бизнес-логики интеллектов.
  • Простые комплекты: Все комплекты, кроме цепей, являются простыми комплектами, которые могут быть соединены с соответствующими цепями.Соединение будет действовать как базовое свойство цепочки.

Работа с комплектом:

Во время создания процесса вы заметите точки подключения (синий круг ○ или фиолетовый ромб ◇), которые соединяются с одной или двумя сторонами набора. Эти соединения указывают на наличие соединений с другими наборами, и вы можете просмотреть подробности соединения, наведя курсор на точку соединения. Фиолетовые ромбы обозначают точки соединения "цепочка-цепочка", в которых входы расположены слева, а выходы - справа; синие круги обозначают точки соединения "цепочка-другой комплект" или "другой комплект-другой комплект", в которых входы расположены слева, а выходы - справа.

Пример описания:

Если вы выберете набор цепочек с большой моделью, вы увидите синие ○ и фиолетовые ◇ точки подключения. Они указывают на то, что набор цепочек принимает на вход модели и наборы слов подсказок, а красная звездочка * указывает на то, что этот тип входа должен быть подключен; он также принимает соединения с другими цепочками через фиолетовое ◇ соединение.

文心智能体教程:(二)工作流创建智能体

Значок состояния набора находится в правом верхнем углу карточки набора. После установки необходимых соединений, запуска тестов и прохождения проверки статус каждого проверенного набора должен быть зеленым; статус набора, в котором произошла ошибка при неудачной проверке, должен быть красным, а при наведении курсора мыши на неудачный статус отображается обнаруженная ошибка.

 

2. Список комплектов

Прежде чем подробно рассмотреть каждый набор, давайте проясним некоторые понятия, чтобы лучше понять специфические функции наборов~.

  • Входящая история диалога: общий элемент конфигурации, который контролирует, должна ли историческая история диалога передаваться в модель в качестве контекста;
  • Ключевые слова вывода: общие элементы конфигурации, вывод результатов текущей цепочки, вы можете передать параметр {variable_name} Формат для выражения переменных, которые вы хотите передать в следующую цепочку;
  • Переменная по умолчанию:{_input_}Представляя собой пользовательский ввод, эта переменная может действовать для всех наборов в пределах холста.
Классификация комплектовНазвание набораВведение в наборОписание параметров
ЦепиБольшая цепочка моделей (LLMChain)Большая цепочка моделей (LLMChain) может преобразовывать множество входных данных в подсказки модели, поддерживая дальнейшее форматирование выходных данных1) Точки входа: модели, слова подсказки
ЦепиБольшая цепочка моделей (LLMChain)2) Точка подключения выхода: нет
ЦепиБольшая цепочка моделей (LLMChain)3) Элементы конфигурации.
ЦепиБольшая цепочка моделей (LLMChain)Передача истории диалогов: переключатель, управляющий тем, передавать или нет историю диалогов модели в качестве контекста
ЦепиБольшая цепочка моделей (LLMChain)Выходные ключевые слова: необязательные, задают выходной результат описания цепочки
ЦепиБольшая цепочка моделей (LLMChain)4) Точки подключения цепей: имеются точки подключения входов/выходов цепей, которые могут быть подключены к любой другой цепи.
ЦепиRouterChainОсновная функция RouterChain заключается в динамическом выборе следующей вызываемой цепочки, которая может быть направлена в различные подцепочки на основе входных данных1) Точки входа: модели, слова подсказки
ЦепиRouterChain2) Точка подключения выхода: нет
ЦепиRouterChain3) Элементы конфигурации:
ЦепиRouterChainПередача истории диалогов: переключатель, управляющий тем, передавать или нет историю диалогов модели в качестве контекста
ЦепиRouterChainВыходные ключевые слова: необязательные, задают выходной результат описания цепочки
ЦепиRouterChain4) Места соединения цепей:
ЦепиRouterChainТочка входа цепи: может быть подключена к любой другой цепи
ЦепиRouterChainТочки подключения цепного выхода: необходимо настроить намерения, каждое намерение соответствует точке подключения цепного выхода
ЦепиRouterChain
ЦепиRouterChainОбщее намерение: требуется, поддерживает добавление нескольких записей. Используется для выражения различных соответствий намерений и сортировки на другие подцепочки на основе намерений;
ЦепиRouterChainНамерение по умолчанию: требуется, если общее намерение не задано, оно будет выполнено с помощью намерения по умолчанию
ЦепиRetrievalChainRetrievalChain обращается к документам базы знаний и запросам, основанным на возможностях модели1) Точки входа: модель, слово подсказки, база знаний
ЦепиRetrievalChain2) Точка подключения выхода: нет
ЦепиRetrievalChain3) Элементы конфигурации:
ЦепиRetrievalChainПередача истории диалогов: переключатель, управляющий тем, передавать или нет историю диалогов модели в качестве контекста
ЦепиRetrievalChain4) Точки подключения цепочки: есть точки подключения входа/выхода цепочки, которые могут быть подключены к любой другой цепочке
ЦепиToolChainToolChain для вызова инструментов для запросов1) Точка подключения входа: инструмент
ЦепиToolChain2) Точка подключения выхода: нет
ЦепиToolChain3) Элементы конфигурации:
ЦепиToolChainВыходные ключевые слова: необязательные, задают выходной результат описания цепочки
ЦепиToolChain4) Точки подключения цепочки: есть точки подключения входа/выхода цепочки, которые могут быть подключены к любой другой цепочке
ЦепиAskChainAskChain используется для определения намерений и вызова компонента вопросов, чтобы направить пользователя задавать дополнительные вопросы.1) Точки подключения входа: вопросительные пузырьки
ЦепиAskChain2) Точка подключения выхода: нет
ЦепиAskChain3) Элементы конфигурации:
ЦепиAskChainОбязательное намерение: обязательное, задает намерение, которое модель должна выполнить после того, как пользователь заполнит дополнительный вопрос, следуя указаниям; обязательные намерения должны находиться в списке намерений цепочки ветвлений, которые они соединяют, чтобы содержимое ответа пользователя могло быть возвращено в основной процесс;
ЦепиAskChain4) Места соединения цепей:
ЦепиAskChainТочка подключения входа должна представлять собой разветвленную цепь;
ЦепиAskChainОтсутствует точка подключения выхода;
ПодсказкиPromptTemplateШаблон PromptTemplate используется для создания подсказок и определения формата вывода, который предоставляется модели в виде директивы1) Точка подключения входа: нет
ПодсказкиPromptTemplate2) Выходная точка подключения: цепочка (поддерживает цепочку больших моделей, цепочку разветвлений, цепочку извлечения)
ПодсказкиPromptTemplate3) Элементы конфигурации:
ПодсказкиPromptTemplateШаблон: требуется, вы можете создавать шаблоны подсказок и определять переменные для управления моделью инструкций. Переменные могут использоваться для определения инструкций, вопросов, контекстов, входов или примеров для модели и могут быть созданы с помощью любого выбранного имени в фигурных скобках, например `{имя_переменной}`. Они выступают в качестве держателей для разделов текста, которые можно легко изменить. (В интерактивном потоке переменная по умолчанию `{_input_}` может использоваться в качестве входа в чат пользователя).
ПодсказкиPromptTemplateФормат вывода: вы можете указать формат вывода ответа, написав содержимое с помощью редактора json.
МоделиМодель литературного центра (ERNIE)Wenxin Yiyin (ERNIE) - большая языковая модель с расширенными знаниями, выпущенная компанией Baidu.1) Точка подключения входа: нет
МоделиМодель литературного центра (ERNIE)2) Выходная точка подключения: цепочка (поддерживает цепочку больших моделей, цепочку разветвлений, цепочку извлечения)
МоделиМодель литературного центра (ERNIE)3) Элементы конфигурации:
МоделиМодель литературного центра (ERNIE)Имя модели: модель, которая будет использоваться для текущего процесса; в настоящее время доступны модели ERNIE-bot, ERNIE-bot-turbo, ERNIE-bot 4:
МоделиМодель литературного центра (ERNIE)Температура: т.е. чем выше значение температуры, тем более случайным является выходной контент; и наоборот, чем ниже значение, тем более целенаправленным и детерминированным является выходной контент
МоделиМодель литературного центра (ERNIE)Разнообразие: т.е. Top-P, чем выше значение, тем более особенный выходной контент; и наоборот, чем ниже значение, тем более обычный выходной контент.
База знанийНаборы данных (VectorStore)VectorStore для вызова файлов данных, которые вы загрузили и закончили обрабатывать, в качестве источника модельных запросов1) Точка подключения входа: нет
База знанийНаборы данных (VectorStore)2) Точка подключения выхода: поисковая цепь
База знанийНаборы данных (VectorStore)3) Элементы конфигурации:
База знанийНаборы данных (VectorStore)Выбор набора данных: здесь можно выбрать набор данных, который был загружен и успешно обработан, или нажать кнопку "Новый", чтобы перейти в модуль управления наборами данных для добавления нового набора данных. Обратите внимание, что в списке для выбора будут отображаться только успешно обработанные наборы данных.
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)HTTP RequestИнструмент для инициирования запросов и возврата результатов1) Точка подключения входа: нет
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)2) Место подключения выхода: цепь для инструмента
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)3) Элементы конфигурации:
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)Ссылка на запрос: Требуется, URL-адрес запроса
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)Методы запросов: в настоящее время платформа поддерживает методы GET и POST, другие методы будут доступны!
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)Заголовки: могут быть введены как ключевые значения
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)Запрос: может быть введен как ключ-значение.
ИнструментыИнструмент для работы с HTTP-запросами (RequestTool)Тело: может быть введено через редактор json
ИнструментыИнструмент поиска Baidu (BaiduSearchTool)Baidu SearchTool (BaiduSearchTool), используется для запроса результатов поиска Baidu, возвращает заголовок результатов, ссылки, резюме и другое содержимое1) Точка подключения входа: нет
ИнструментыИнструмент поиска Baidu (BaiduSearchTool)2) Место подключения выхода: цепь для инструмента
ИнструментыИнструмент поиска Baidu (BaiduSearchTool)3) Элементы конфигурации:
ИнструментыИнструмент поиска Baidu (BaiduSearchTool)Термин поиска: Требуется, введите ключевые слова, необходимые для запроса поиска Baidu.
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)AskUI предоставляет ряд компонентов графического интерфейса, которые помогают пользователям задавать вопросы более интуитивно понятным способом.1) Точка подключения входа: нет
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)2) Место подключения выхода: цепочка вопросов
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)3) Элементы конфигурации:
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)Выбор компонента: Требуется, используется для выбора компонентов пользовательского интерфейса, которые будут использоваться, в настоящее время предоставляет только "Selector", другие компоненты улучшаются, следите за новостями!
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)Конфигурация компонента: требуется, содержимое конфигурации связано с типом компонента, теперь вводится конфигурация селектора следующим образом:
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)Название: Вопросы, требующие дополнительного ввода данных пользователем
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)Опции: добавьте до 6 опций, в настоящее время поддерживается только одиночный выбор
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)Output Variable: Required, задает имя переменной для вывода результата компонента пузырька вопросов, на которую можно ссылаться ниже по тексту или в шаблоне подсказки, значение по умолчанию - "value".
Компонент взаимодействия с пузырьками (MessageUI)Пузырь вопросов (AskUI)Шаблоны слов подсказок: вы можете создавать шаблоны подсказок и определять переменные для управления моделью инструкций. Переменные могут использоваться для определения инструкций, вопросов, контекстов, входных данных или примеров для модели и могут быть созданы с помощью любого выбранного имени в фигурных скобках. (Например, в качестве переменной можно использовать формат `{имя_переменной}`, а переменная по умолчанию `{_ввод_}` может выступать в качестве ввода пользователя в чате).

 

3. Пример рабочего процесса

Ниже приведены примеры рабочих процессов, которые помогут вам лучше понять, как подключается и функционирует каждый пакет.

вступительная сцена

1) Используйте цепочки моделей для создания генераторов шуток из моделей и слов-подсказок

переменная по умолчанию{_input_}Для получения пользовательского ввода вы можете использовать слово подсказки в{_input_}чтобы определить, как модель выводит определенный контент на основе пользовательского ввода.

文心智能体教程:(二)工作流创建智能体

2) Построение помощника запросов к знаниям mysql с использованием поисковых цепочек с исходящими наборами данных и возможностями моделирования

文心智能体教程:(二)工作流创建智能体

 

продвинутая сцена

1) Построение помощника для запросов о погоде с использованием больших цепочек моделей и цепочек инструментов

Передача данных между несколькими цепочками через выходные ключевые слова: нижестоящая цепочка может получить доступ к выходным данным вышестоящей цепочки через выходные ключевые слова вышестоящей цепочки;
Примечание: Ключевые слова вывода могут передаваться только в двух соседних цепочках

文心智能体教程:(二)工作流创建智能体

2) Используйте несколько цепочек моделей для создания генератора шуток, который может выводить данные в заданном формате

  • Укажите формат, в котором будет выводиться содержимое шутки, используя функцию Output Format в шаблоне подсказки;
文心智能体教程:(二)工作流创建智能体
  • Нисходящие цепочки, ссылающиеся на восходящие многомерные переменные, могут быть объединены с помощью комбинации outputKey. Синтаксис для получения комбинации
文心智能体教程:(二)工作流创建智能体

3) Использование цепочек ветвлений и цепочек вопросов для создания комплексного помощника, который может выдавать контент в соответствии с различными намерениями пользователя.

  • Цепочка ветвлений может быть сконфигурирована с несколькими намерениями, и когда пользователь вводит намерение, соответствующее ветвление будет выполнено; при распознавании несуществующего намерения будет выполнено намерение по умолчанию;
  • Цепочки вопросов могут быть связаны со стилями пузырьков селектора, и когда пользователь завершает взаимодействие, принудительное намерение, связанное с цепочкой ветвей, выполняется напрямую.
文心智能体教程:(二)工作流创建智能体

 

 

Тестирование процессов

Тестовый поток предназначен для проверки того, что комплект полностью сконфигурирован и путь построен правильно. После успешного завершения теста вы можете отправить сообщение в чат на экране предварительного просмотра и запустить смарт-тело для проверки результатов.

文心智能体教程:(二)工作流创建智能体

Добавляя или удаляя компоненты в холсте, изменяя отношения соединения компонентов, параметры компонентов, необходимо повторно нажать на тест, когда отображается сообщение об ошибке, это означает, что в текущем холсте есть ошибка сборки, вы можете изменить его в соответствии с сообщением и документом "Development Kit", и повторно протестировать, чтобы проверить, исправлена ли ошибка после модификации или нет.

文心智能体教程:(二)工作流创建智能体

Все проблемы, возникающие при тестировании на холсте, сохраняются в отчете об ошибках, а исправленные ошибки автоматически удаляются.

 

 

превью

Чат-интерфейс обеспечивает дружественный опыт взаимодействия с интеллектом, который может имитировать реальный сценарий диалога пользователя с интеллектуальным телом и получать реальную обратную связь.

Предварительный просмотр не поддерживается до тех пор, пока тест не будет успешно завершен. Если для текущего теста имеется отчет об ошибке или тест не был подтвержден, предварительный просмотр будет недоступен.

Примечание: Каждый успешный тест может быть предварительно просмотрен в течение 8 часов, после чего необходимо повторно щелкнуть тест, чтобы инициировать предварительный просмотр.

文心智能体教程:(二)工作流创建智能体
© заявление об авторских правах

Похожие статьи

Нет комментариев

Вы должны войти в систему, чтобы участвовать в комментариях!
Войти сейчас
нет
Нет комментариев...