НачатьНачать бесплатно

Извлечение фактов из истории диалогов

Пришло время улучшить работу с историей диалогов! Вы определите классы pydantic для структурированного извлечения фактов из истории разговоров.

Это подготовит основу для следующего — и последнего — упражнения курса, в котором вы выполните само извлечение.

Необходимые классы pydantic уже импортированы, а объект llm уже определён.

Это упражнение является частью курса

Graph RAG с LangChain и Neo4j

Посмотреть курс

Инструкции к упражнению

  • Определите класс pydantic ConversationFact для извлечения фактов из диалога; включите поля object, subject, relationship и session_id, которые соответствуют приведённым описаниям.
  • Определите класс pydantic ConversationFacts для создания списков объектов ConversationFact.
  • Привяжите формат структурированного вывода к предоставленному объекту llm.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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.____(____)
Редактировать и запускать код