Fournir du contexte à l'aide d'exemples de conversations
Supposons qu'il existe un service de livraison nommé MyPersonalDelivery qui offre un large éventail d'options pour livrer divers articles. Vous souhaitez créer un agent conversationnel de service à la clientèle qui appuie les clients selon leurs besoins. Pour ce faire, vous fournirez une context_question et une context_answer au sujet des articles livrés par l'entreprise à partir de conversations précédentes, puis vous vérifierez si le modèle reconnaît ce contexte à travers une nouvelle invite d'utilisateur.
Le paquet OpenAI, ainsi que les chaînes context_question et context_answer, ont été préchargés pour vous.
Cette activité fait partie du cours
Conception de invites (Prompt Engineering) avec l'API d'OpenAI
Instructions de l’exercice
- Définissez un
system_promptqui précise l'objectif du robot conversationnel et l'oriente pour répondre aux demandes avec douceur. - Utilisez le
system_prompt, lacontext_questionet lacontext_answerpour formuler une conversation que le robot pourra utiliser comme contexte afin de répondre à la nouvelle demande de l'utilisateur.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
client = OpenAI(api_key="")
# Define the system prompt
system_prompt = "____"
context_question = "What types of items can be delivered using MyPersonalDelivery?"
context_answer = "We deliver everything from everyday essentials such as groceries, medications, and documents to larger items like electronics, clothing, and furniture. However, please note that we currently do not offer delivery for hazardous materials or extremely fragile items requiring special handling."
# Add the context to the model
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "____", "content": ____},
{"role": "____", "content": ____},
{"role": "____", "content": ____ },
{"role": "user", "content": "Do you deliver furniture?"}])
response = response.choices[0].message.content
print(response)