LoslegenKostenlos starten

Fakten aus Gesprächsverläufen extrahieren

Jetzt hebst du deinen Gesprächsverlauf auf das nächste Level! Du definierst pydantic-Klassen, um Fakten aus Gesprächsverläufen strukturiert zu extrahieren.

Damit legst du den Grundstein für die nächste und letzte Übung des Kurses, in der du die Extraktion tatsächlich durchführst.

Die benötigten pydantic-Klassen wurden bereits importiert, und ein llm ist schon definiert.

Diese Übung ist Teil des Kurses

<Kurs>Graph RAG mit LangChain und Neo4j</Kurs>
Kurs ansehen

Übungsanweisungen

  • Definiere eine pydantic-ConversationFact-Klasse, um Fakten aus einem Gespräch zu extrahieren; füge die Felder object, subject, relationship und session_id hinzu, die den angegebenen Beschreibungen entsprechen.
  • Definiere eine pydantic-ConversationFacts-Klasse, um Listen von ConversationFact-Objekten zu erstellen.
  • Binde das Format der strukturierten Ausgabe an das bereitgestellte llm.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Define the ConversationFact with the correct fields
class ____(____):
    """
    A class that holds the facts from a conversation in a format of object, subject, predicate.

    For example, if the conversation includes the fact that the user likes ice creamthe facts would be:
    - object: "Adam"
    - subject: "ice cream"
    - relationship: "LIKES"
    The class also includes a session ID to identify the conversation.
    """
    ____: str = Field(description="The session ID of the conversation.")
    ____: str = Field(description="The object of the fact. For example, 'Adam' ")
    ____: str = Field(description="The subject of the fact. For example, 'Ice cream'")
    ____: str = Field(description="The relationship between the object and the subject.  This should be a single word verb in upper case. For example, 'LIKES' or 'OWNS'")

# Define a ConversationFacts class for creating lists of ConversationFact objects
class ____(____):
    """A class that holds a list of ConversationFact objects."""
    facts: list[____] = Field(description="A list of ConversationFact objects.")

# Bind the output to the llm provided
llm_with_output = llm.____(____)
Code bearbeiten und ausführen