Inizia subitoInizia gratis

Estrarre fatti dalle cronologie di conversazione

Ora è il momento di far evolvere la tua cronologia di conversazione! Definirai classi pydantic per estrarre fatti dalle cronologie di conversazione in modo strutturato.

Questo getterà le basi per il prossimo e ultimo esercizio del corso, in cui eseguirai effettivamente l'estrazione.

Le classi pydantic necessarie sono già state importate e un llm è già stato definito.

Questo esercizio fa parte del corso

Graph RAG con LangChain e Neo4j

Visualizza corso

Istruzioni dell'esercizio

  • Definisci una classe pydantic ConversationFact per estrarre fatti da una conversazione; includi i campi object, subject, relationship e session_id che corrispondano alle descrizioni fornite.
  • Definisci una classe pydantic ConversationFacts per creare elenchi di oggetti ConversationFact.
  • Associa il formato di output strutturato all'llm fornito.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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.____(____)
Modifica ed esegui il codice