Comece agoraComece grátis

Extraindo fatos de históricos de conversa

Hora de elevar o nível do seu histórico de conversa! Você vai definir classes pydantic para extrair fatos de históricos de conversa de forma estruturada.

Isso vai preparar o terreno para o próximo e último exercício do curso, no qual você fará a extração de fato.

As classes necessárias do pydantic já foram importadas e um llm já foi definido.

Este exercicio faz parte do curso

Graph RAG com LangChain e Neo4j

Ver curso

Instruções do exercicio

  • Defina uma classe pydantic ConversationFact para extrair fatos de uma conversa; inclua os campos object, subject, relationship e session_id que correspondam às descrições fornecidas.
  • Defina uma classe pydantic ConversationFacts para criar listas de objetos ConversationFact.
  • Vincule o formato de saída estruturada ao llm fornecido.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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.____(____)
Editar e Executar Código