网站备案有效期网站更换ip地址

当前位置： 首页 > news >正文

网站备案有效期,网站更换ip地址,云免网站空间,宝山网站建设你有一个能力超强但“不太懂行”的助手#xff08;大语言模型LLM#xff09;。它能说会道#xff0c;知识渊博#xff0c;但它#xff1a; 不懂你的数据库#xff1a; 不知道你的数据库里有哪些表#xff0c;表里有哪些字段#xff0c;这些字段代表什么意思。不懂你的…你有一个能力超强但“不太懂行”的助手大语言模型LLM。它能说会道知识渊博但它 不懂你的数据库 不知道你的数据库里有哪些表表里有哪些字段这些字段代表什么意思。不懂你的API 不知道你的系统里有哪些可以调用的功能API这些功能需要什么参数比如邮箱地址、城市名、日期。 提示工程Prompt Engineering 就是教你如何给这个“超强助手”写一份清晰、详细的指令说明书Prompt让它能理解你的自然语言问题并帮你完成特定的专业任务写SQL查数据库、调用API。 核心目标把“人话”变成“机器能听懂的专业指令” Text2SQL 把“今年卖得最好的产品是啥” 变成 SELECT … FROM … WHERE … 这样的数据库查询语句。Text2API 把“给老王发个邮件告诉他明天下午3点开会” 变成调用 send_email 这个接口并填好 to老王公司.com, subject会议提醒, content明天下午3点开会… 这些参数。 from langchain.utilities import SQLDatabase from langchain.chains import SQLDatabaseChain from langchain_community.llms import OpenAI db SQLDatabase.from_uri(sqlite:///sales.db) llm OpenAI(temperature0)chain SQLDatabase Chain.from_llm(llm, db, verboseTrue) response chain.run(2024年销售额超过100万的产品是什么)SELECT p.name, SUM(o.sales) AS total_sales
FROM orders o
JOIN products p ON o.product_id p.id
WHERE YEAR(o.date) 2023
GROUP BY p.id
HAVING total_sales 1000000; 关键秘诀给助手“补课” (显式化领域知识) LLM本身不懂你的业务细节。提示工程的核心就是通过Prompt把这些背景知识领域知识 明确地告诉它 角色扮演 “嘿助手你现在是一个数据库专家/API调用专家”知识注入 对SQL 把数据库的结构Schema 告诉它。比如 我们有个 orders 表里面有 id, product_id, sales (销售额), date (日期)还有个 products 表里面有 id, name (产品名), category (类别)orders.product_id 对应着 products.id 对API 把API文档告诉它。比如 有个API叫 /send_email需要用 POST 方法调用需要提供 to (收件人邮箱), subject (邮件主题), content (邮件内容) 这三个参数。还有个API叫 /weather需要用 GET 方法调用需要提供 city (城市名), date (日期)。 一、 Text2SQL 深入浅出解析 (怎么让助手帮你查数据库) 助手需要什么 你的问题 “2024年销售额超过100万的产品是什么”数据库结构 哪些表哪些字段它们啥关系Schema 助手怎么做 (提示工程的步骤) 理解问题 助手先看你的问题找出关键信息这叫实体识别、关系抽取、意图理解。 你要查什么 - 产品 (product)查哪个时间 - 2024年 (year2024)查什么条件 - 销售额 (sales) 超过 () 100万 (1000000)怎么衡量 - 很可能是按产品汇总 (SUM(o.sales) 然后 GROUP BY p.id) 对照数据库结构 (Schema绑定) 助手拿着这些关键词去对比你提供的Schema。 “销售额” - 哦在 orders 表里叫 sales。“产品名” - 在 products 表里叫 name。orders 和 products 怎么关联 - 哦通过 orders.product_id products.id。“2024年” - orders 表里有个 date 字段需要提取年份 YEAR(o.date) 2024。 组装SQL语句 助手根据理解的信息和数据库结构拼装出正确的SQL语句。SELECT p.name, SUM(o.sales) AS total_sales – 选出产品名计算总销售额 FROM orders o – 从订单表起别名o JOIN products p ON o.product_id p.id – 关联产品表起别名p WHERE YEAR(o.date) 2024 – 条件是2024年的订单 GROUP BY p.id – 按产品分组 HAVING total_sales 1000000; – 筛选总销售额大于100万的产品执行与反馈 数据库运行这个SQL把结果产品列表返回给你。如果SQL写错了比如字段名不对助手可能会尝试修正或者告诉你哪里出了问题需要更好的Prompt或你提供更明确的信息。 LangChain 帮了大忙 它有个 SQLDatabaseChain 能自动连接到你的数据库 (db SQLDatabase.from_uri(sqlite:///sales.db))。它能自动读取数据库结构Schema并塞进给LLM的Prompt里。你只需要告诉LLM你的问题 (chain.run(2024年销售额超过100万的产品是什么))它就能帮你完成上述所有步骤理解-绑定-生成-执行-返回结果。
二、 Text2API 深入浅出解析 (怎么让助手帮你调用接口) Text2API文本转API调用 是一种将自然语言描述的用户需求自动转换为对应用程序接口API的调用请求的技术。 LangChain提供APIChain支持将API文档如OpenAPI/Swagger嵌入提示词引导大模型生成请求参数可以支持多步骤调用如先查询用户ID再调用订单API。 from langchain.chains import APIChain from langchain_community.llms import OpenAIllm OpenAI(temperature0)api_docs
API文档

• 发送邮件POST /send_email参数to收件人, subject主题, content内容
• 查询天气GET /weather参数city城市, date日期 chain APIChain.from_llm_and_api_docs(llm, api_docs, verboseTrue) response chain.run(给Allen发邮件主题是会议提醒内容为明天下午2点开会。)如何实现Text2API 通过自然语言处理技术进行语义解析含意图识别、实体抽取、上下文理解结合预加载的API文档信息利用大语言模型LLM生成符合语法规范的API调用请求。 API目录管理维护API文档端点、参数、权限。 例如邮件API文档POST /send_email 参数: to (str), subject (str), content (str) 权限: 需用户OAuth令牌 意图识别模型解析用户指令匹配目标API。 例如“给Allen发邮件主题是项目开发进度内容为’本周完成80%’” → 调用 /send_email。 参数填充提取并验证参数如邮箱、内容。 {endpoint: /send_email,params: {to: zhangsancompany.com, subject: 项目进度, content: 本周完成80% }执行与反馈调用API并返回结果成功/失败原因。 助手需要什么 你的指令 “给Allen发邮件主题是会议提醒内容为明天下午2点开会。”API菜单 系统里有哪些接口每个接口怎么用需要啥参数API文档 助手怎么做 (提示工程的步骤) 管理API目录 你需要事先准备好一份清晰的“服务菜单”API文档告诉助手 有 /send_email 服务POST方法需要 to, subject, content 三个菜参数。有 /weather 服务GET方法需要 city, date 两个菜参数。可能还需要权限比如登录令牌但这篇文章例子没提。 理解你想点哪道菜 (意图识别) 助手看你的指令找出你想做什么。 “发邮件” - 这对应 /send_email 这个API。 准备好配菜 (参数填充) 助手从你的指令里找出做这道菜需要的材料参数。 to (收件人) 是谁 - “Allen” - 需要转成邮箱地址allencompany.com。实际应用中可能需要查通讯录API这里简化了subject (主题) 是什么 - “会议提醒”。content (内容) 是什么 - “明天下午2点开会”。 下单并上菜 (执行与反馈) 助手按照API文档的要求方法、参数格式调用 /send_email 接口把参数传过去。接口执行后告诉助手结果“邮件发送成功” 或者 “失败原因收件人邮箱无效”。助手把这个结果告诉你。 LangChain 帮了大忙 它有个 APIChain (chain APIChain.from_llm_and_api_docs(llm, api_docs, verboseTrue))。你只需要把API文档 (api_docs) 提供给它然后告诉它你的自然语言指令 (chain.run(给Allen发邮件…))。它能自动帮你完成理解指令对应哪个API - 提取需要的参数 - 组装API调用请求 - 调用API - 返回结果。它甚至能处理需要多个API按顺序调用的复杂任务比如先查用户ID再用ID查订单。 总结 LLM (大模型) 一个超级聪明但没学过你公司业务的新员工。自然语言问题/指令 你口头交代给新员工的任务“查下今年最赚钱的产品”、“给老王发个会议通知”。Schema/API文档 你给新员工看的公司业务手册/操作指南数据库结构图、API使用说明书。Prompt (提示工程) 你交代任务时说的完整、清晰、包含背景信息的话“小张角色扮演这是我们的销售数据库结构知识注入你帮我查一下任务类型…具体任务描述”。SQL/API调用 新员工看完手册理解了你的话之后亲手写好的查询语句/填好的系统操作单。结果 新员工把查询结果/操作结果汇报给你。 提示工程的核心价值就在于 通过精心设计的Prompt包含角色定义和领域知识让原本“不懂行”的大模型助手瞬间变成你业务领域的专家准确地将你的“人话”需求转化为可执行的“机器指令”SQL或API调用。LangChain等工具则大大简化了这个过程。