一、引言
- 文本擴展：將短文本輸入到大型語言模型中，生成更長的文本。
- 應用場景：頭腦風暴、生成電子郵件或論文等。
- 風險：可能被用于生成垃圾郵件。
- 使用原則：負責任地使用，確保有益于人們。
- 技術準備：配置環境以使用OpenAI API。
from zhipuai import ZhipuAI
# 導入第三方庫key = "sk-..."
# 設置 API_KEY, 請替換成您自己的 API_KEY
client = ZhipuAI(api_key = key)
def get_completion(prompt, model="glm-3-turbo", temperature=0):messages = [{"role": "user", "content": prompt}]response = clinet.chat.completions.create(model=model,messages=messages,temperature=temperature, # 模型輸出的溫度系數，控制輸出的隨機程度)return response.choices[0].message.content
二、定制客戶郵件
- 根據客戶評價和情感：使用LLM生成針對性的客戶服務郵件。
- 情感分析：先前章節中已學習如何判斷評論情感。
- Prompt設計：設計Prompt以生成感謝信，根據情感正面或負面調整回復內容。
- 具體細節：確保回復中使用客戶評價的具體細節。
- 專業語氣：以簡明、專業的語氣撰寫郵件。
- 簽名：以“AI客戶代理”名義簽署郵件。
# 我們可以在推理那章學習到如何對一個評論判斷其情感傾向
sentiment = "negative"# 一個產品的評價
review = f"""
他們在11月份的季節性銷售期間以約49美元的價格出售17件套裝，折扣約為一半。\
但由于某些原因（可能是價格欺詐），到了12月第二周，同樣的套裝價格全都漲到了70美元到89美元不等。\
11件套裝的價格也上漲了大約10美元左右。\
雖然外觀看起來還可以，但基座上鎖定刀片的部分看起來不如幾年前的早期版本那么好。\
不過我打算非常溫柔地使用它，例如，\
我會先在攪拌機中將像豆子、冰、米飯等硬物研磨，然后再制成所需的份量，\
切換到打蛋器制作更細的面粉，或者在制作冰沙時先使用交叉切割刀片，然后使用平面刀片制作更細/不粘的效果。\
制作冰沙時，特別提示：\
將水果和蔬菜切碎并冷凍（如果使用菠菜，則輕輕煮軟菠菜，然后冷凍直到使用；\
如果制作果醬，則使用小到中號的食品處理器），這樣可以避免在制作冰沙時添加太多冰塊。\
大約一年后，電機發出奇怪的噪音，我打電話給客服，但保修已經過期了，所以我不得不再買一個。\
總的來說，這些產品的總體質量已經下降，因此它們依靠品牌認可和消費者忠誠度來維持銷售。\
貨物在兩天內到達。
"""
prompt = f"""
你是一位客戶服務的AI助手。
你的任務是給一位重要客戶發送郵件回復。
根據客戶通過“```”分隔的評價，生成回復以感謝客戶的評價。提醒模型使用評價中的具體細節
用簡明而專業的語氣寫信。
作為“AI客戶代理”簽署電子郵件。
客戶評論：
```{review}```
評論情感：{sentiment}
"""
response = get_completion(prompt)
print(response)
三、引入溫度系數
- 溫度系數：控制模型響應的多樣性和隨機性。
- 溫度影響：溫度為零時，響應最可預測；溫度較高時，響應更隨機、多樣。
- 應用場景：
- 可預測響應：設置溫度為零，適用于需要一致性的應用。
- 創意輸出：使用更高的溫度，適用于需要創意和多樣性的場景。
- 實驗建議：嘗試不同的溫度值，觀察輸出如何變化。
- 溫度效果：高溫度下模型輸出更隨機，可能更有創造力但也可能更分散。
prompt = f"""
你是一名客戶服務的AI助手。
你的任務是給一位重要的客戶發送郵件回復。
根據通過“```”分隔的客戶電子郵件生成回復，以感謝客戶的評價。
如果情感是積極的或中性的，感謝他們的評價。
如果情感是消極的，道歉并建議他們聯系客戶服務。
請確保使用評論中的具體細節。
以簡明和專業的語氣寫信。
以“AI客戶代理”的名義簽署電子郵件。
客戶評價：```{review}```
評論情感：{sentiment}
"""
response = get_completion(prompt, temperature=0.7)
print(response)
總結
- 文本擴展是利用LLM生成詳細內容的有效方法，但需謹慎使用。
- 定制客戶郵件可以根據情感分析結果進行個性化回復。
- 溫度系數是調整模型創造性和隨機性的重要參數。
- 實驗和調整溫度系數可以優化模型輸出，滿足不同應用需求。
)
集成)
