【Java-LangChain:使用 ChatGPT API 搭建系统-3】评估输入-分类

第三章评估输入-分类

在本章中，我们将重点讨论评估输入任务，这对于确保系统的质量和安全性至关重要。

对于需要处理不同情况下的许多独立指令集的任务，首先对查询类型进行分类，并以此为基础确定要使用哪些指令，具有诸多益处。

这可以通过定义固定的类别和 hard-coding 与处理给定类别任务相关的指令来实现。

例如，在构建客户服务助手时，首先对查询类型进行分类，然后根据该分类确定要使用哪些指令，这一点可能非常重要。

举个具体的例子，如果用户要求关闭其帐户，那么二级指令可能是添加有关如何关闭账户的额外说明；而如果用户询问特定产品的信息，则二级指令可能会添加更多的产品信息。

环境配置

参考第二章的环境配置小节内容即可。

对用户指令进行分类

在这里，我们使用系统消息（system_message）作为系统的全局指导，并选用 # 作为分隔符。

分隔符是一种用于区分指令或输出中不同部分的工具，它能帮助模型识别各个部分，从而提高系统在执行特定任务时的准确性和效率。

在这个例子中，我们选择使用 # 作为分隔符。

# 是一个理想的分隔符，因为它可以被视为一个独立的 token。

 private String delimiter = "###";

这是我们的 system message，我们正在以下面的方式询问模型。


private String system = "你将获得客户服务查询。\n" +"每个客户服务查询都将用{delimiter}字符分隔。\n" +"将每个查询分类到一个主要类别和一个次要类别中。\n" +"以 JSON 格式提供你的输出，包含以下键：primary 和 secondary。\n" +"\n" +"主要类别：计费（Billing）、技术支持（Technical Support）、账户管理（Account Management）或一般咨询（General Inquiry）。\n" +"\n" +"计费次要类别：\n" +"取消订阅或升级（Unsubscribe or upgrade）\n" +"添加付款方式（Add a payment method）\n" +"收费解释（Explanation for charge）\n" +"争议费用（Dispute a charge）\n" +"\n" +"技术支持次要类别：\n" +"常规故障排除（General troubleshooting）\n" +"设备兼容性（Device compatibility）\n" +"软件更新（Software updates）\n" +"\n" +"账户管理次要类别：\n" +"重置密码（Password reset）\n" +"更新个人信息（Update personal information）\n" +"关闭账户（Close account）\n" +"账户安全（Account security）\n" +"\n" +"一般咨询次要类别：\n" +"产品信息（Product information）\n" +"定价（Pricing）\n" +"反馈（Feedback）\n" +"与人工对话（Speak to a human）";

现在我们来看一个用户消息（user message）的例子。

   String message = "我希望你删除我的个人资料和所有用户数据。";

将这个消息格式化为一个消息列表，系统消息和用户消息使用"####"进行分隔。我们思考一下，作为人类，这句话属于哪个类别：“我想让您删除我的个人资料。“这句话看上去属于"账户管理”，或者属于"关闭账户”。

        String message = "我希望你删除我的个人资料和所有用户数据。";List<ChatMessage> chatMessages = new ArrayList<>();ChatMessage chatMessage = new ChatMessage();chatMessage.setRole("system");chatMessage.setContent(system);chatMessages.add(chatMessage);ChatMessage chatMessage2 = new ChatMessage();chatMessage2.setRole("user");chatMessage2.setContent(delimiter + message + delimiter);chatMessages.add(chatMessage2);String result = this.getCompletionFromMessage(chatMessages, 1);log.info("test1:\n{}", result);

{"primary": "账户管理", "secondary": "关闭账户"}

让我们看看模型是如何思考的, 模型的分类是将"账户管理"作为"primary"，“关闭账户"作为"secondary”。
请求结构化输出（如 JSON）的好处是，您可以轻松地将其读入某个对象中，如果您使用其他语言，也可以转换为其他对象，然后输入到后续步骤中。

这是另一个用户消息: "告诉我更多关于你们的平板电视的信息"我们运用相同的消息列表来获取模型的响应，然后打印出来。
这里返回了另一个分类结果，并且看起来应该是正确的。

String message = "告诉我更多有关你们的平板电脑的信息";List<ChatMessage> chatMessages = new ArrayList<>();ChatMessage chatMessage = new ChatMessage();chatMessage.setRole("system");chatMessage.setContent(system);chatMessages.add(chatMessage);ChatMessage chatMessage2 = new ChatMessage();chatMessage2.setRole("user");chatMessage2.setContent(delimiter + message + delimiter);chatMessages.add(chatMessage2);String result = this.getCompletionFromMessage(chatMessages, 1);log.info("test2:\n{}", result);

{"primary": "一般咨询","secondary": "产品信息"
}

如果您有任何特定的问题或需要更详细的信息，请告诉我，我会尽力回答。
因此，根据客户咨询的分类，我们现在可以提供一套更具体的指令来处理后续步骤。
在这种情况下，我们可能会添加关于电视的额外信息，而在其他情况下，我们可能希望提供关闭账户的链接或类似的内容。在接下来的章节中，我们将进一步了解处理输入的不同方法.