Analyse van klantenservice-tickets
Het klantenserviceteam ontvangt tickets via verschillende kanalen, zoals e-mail, chat en social media. Het bedrijf wil automatisch belangrijke entiteiten extraheren om de tickets goed te categoriseren en te prioriteren. Jouw taak is om een few-shot prompt te maken die daarbij helpt.
Je hebt drie voorbeeldtickets (ticket_1, ticket_2 en ticket_3) en de bijbehorende entiteiten (entities_1, entities_2 en entities_3) om het model te laten zien waar het op moet letten en hoe het het resultaat moet weergeven. Laat het model nu entiteiten extraheren uit de nieuwe string ticket_4.
Het OpenAI-pakket, de string ticket_4 en de functie get_response() zijn alvast voor je geladen, evenals de eerder genoemde ticket- en entiteitsvariabelen.
Deze oefening maakt deel uit van de cursus
Prompt Engineering met de OpenAI API
Oefeninstructies
- Maak een few-shot prompt die drie tickets en de bijbehorende entiteiten gebruikt om entiteiten te extraheren uit het nieuwe ticket
ticket_4.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
client = OpenAI(api_key="")
# Craft a few-shot prompt to get the ticket's entities
prompt = ____
response = get_response(prompt)
print("Ticket: \n", ticket_4)
print("Entities: \n", response)