langchoice

Pypi: https://pypi.org/project/langchoice

? Über Langchoice

switch-case , aber für Freiform-Sätze. Ein Einzeiler für if-then-else über ähnliche Sätze.

Mit der Langchoice -Bibliothek können Sie Ihre strukturierten Programme über Prädikate oder Auslöser für natürliche Sprache stimmen. Erleichtert es einfach, bedingte Strömungen über Benutzereingänge zu definieren, ohne den Satzstammbetreiber immer wieder implementieren zu können.

? Installation

 pip install langchoice

? Erste Schritte

Angenommen, wir möchten feststellen, ob eine eingehende Benutzernachricht ausgelöst wird, gehört zu einem der folgenden ( Gruß- , Politik- ) Themen. Tun Sie dies in einigen Zeilen mit langchoice .

Definieren Sie zuerst die Textnachrichten, die jede Themenkategorie (eine Nachrichtengruppe) definieren.

 triggers = 
'''
greeting:
    - hello
    - hi
    - what's up?

politics:
    - what are your political beliefs?
    - thoughts on the president?
    - left wing
    - right wing
'''

1. Richten Sie einen LangStore -Datencontainer ein.

 data = yaml . safe_load ( triggers )
S = LangStore ( data )

2. Wenn Sie eine Benutzernachricht user_msg empfangen, übereinstimmen einfach mit Themen!

 match S . match ( user_msg , threshold = 1.2 , debug = True ): 
    case 'greeting' , _ : #user_msg matches the greeting message cluster
        say_hello ()
    case 'politics' , _ : #user_msg matches the politics message cluster
        change_topic ()
    case x :
        print ( x )
        print ( f'No defined triggers detected. Ask an LLM for response.' )

Fügen Sie Sätze aus jedem Thema hinzu oder entfernen Sie neue Themen. Arbeitet im Fliege!

Unterstützt mehrere Matching -Modi:

• S.match gibt das Thema der nächsten Nachricht zurück.
• Verwenden Sie S.match_centroid um stattdessen das nächste Thema Zentroid zu finden.
• (Optional) Geben Sie Schwellenwerte für den Fall No-Topic-Matchs an :
  • S.match gibt None zurück, wenn die nächste Themenentfernung größer ist als der Schwellenwert.

Debugug und mehr!

• Verwenden Sie debug=True und debug_k=5 bis
  • Zeigen Sie die Entfernung von user_msg auf verschiedene Themen an.
  • Holen Sie sich Match -Scores für jede Nachrichtengruppe, um das zu debuggen, was schief gelaufen ist.

Bald kommen!

• In erstellten Behauptungen, die fehlschlagen, wenn die Ausführung nicht mit dem erwarteten Thema / der erwarteten Gruppe übereinstimmt.

• Berechnen Sie die Schwellenwerte automatisch für vorgegebene Nachrichtengruppen mit einem Abfragebewertungssatz
• Fein-Tune-Einbettungen, um Nachrichtencluster besser zu trennen .

Implementieren Sie einen Konversationsfluss mit meldungsbasiertem Routing

Das Langchoice -Paket ermöglicht es Ihnen, kontrollierte Chatbot -Flows zu erzielen und sehr schnell Leitplanken zu erstellen.

Die Hauptmotivation besteht darin, Benutzern die maximale Kontrolle beim Entwerfen des Bots zu ermöglichen:

• Fügen Sie Nachrichten auf Bedarf hinzu/aktualisieren Sie
• Leiten Sie Benutzernachrichten an Eigentümerzustände oder Module
• Mehr Kontrolle über den Konversationsfluss, ohne die Fähigkeit zum Chitchat zu verlieren
• Gespräche bauen, keine LLM -Ketten (sorgen Sie sich um)!

Schauen Sie sich unter Beispielen die Bots für die Verkaufsförderung und die Ernennung von Bots an.

Roadmap

• Match Varianten
  • Hybrid -Match - Match Regex getrennt
  • Lokale S.Match (basierend auf dem staatlichen Tag)
  • übereinstimmen type = 'item' (Standard) | Typ = 'Gruppe' (Centroid) | ...
• Ermöglichen
• Feinabstimmung basierend auf In-Themen- und irrelevanten Nachrichten

Autor

Nishant Sinha, Gründer, Beratungswissenschaftler, Offnote Labs.

Für Einblicke in die generative KI -Evolution und -anwendungen folgen Sie LinkedIn und lesen Sie unsere Artikel über den Substant.