Ćwiczenie — pisanie własnego monitu

Ukończone

W tym ćwiczeniu utworzysz monit z prośbą o podanie listy przydatnych fraz w języku francuskim. Możesz również przetestować swój kod przy użyciu różnych języków. Zaczynamy!

1. Otwórz projekt programu Visual Studio Code utworzony w poprzednim ćwiczeniu.

2. Zaktualizuj plik Program.cs przy użyciu następującego kodu:

   using Microsoft.SemanticKernel;
   using Microsoft.SemanticKernel.Plugins.Core;
   
   var builder = Kernel.CreateBuilder();
   builder..AddAzureOpenAIChatCompletion(
       "your-deployment-name",
       "your-endpoint",
       "your-api-key",
       "deployment-model");
   
   var kernel = builder.Build();
   
   string language = "French";
   string prompt = @$"Create a list of helpful phrases and 
       words in ${language} a traveler would find useful.";
   
   var result = await kernel.InvokePromptAsync(prompt);
   Console.WriteLine(result);
   

3. Uruchom kod, wprowadzając dotnet run polecenie w terminalu.

   Powinna zostać wyświetlona odpowiedź podobna do następujących danych wyjściowych:

   1. Bonjour - Hello
   2. Merci - Thank you
   3. Oui - Yes
   4. Non - No
   5. S'il vous plaît - Please
   6. Excusez-moi - Excuse me
   7. Parlez-vous anglais? - Do you speak English?
   8. Je ne comprends pas - I don't understand
   9. Pouvez-vous m'aider? - Can you help me? 
   10. Combien ça coûte? - How much does it cost?
   11. Où est la gare? - Where is the train station?
   

   Odpowiedź pochodzi z modelu Azure OpenAI przekazanego do jądra. Zestaw SDK jądra semantycznego łączy się z dużym modelem językowym (LLM) i uruchamia monit. Ten monit można poprawić, dodając bardziej szczegółowe instrukcje.

4. Zaktualizuj monit, aby był zgodny z następującym tekstem:

   string prompt = @$"Create a list of helpful phrases and 
       words in ${language} a traveler would find useful.
   
       Group phrases by category. Display the phrases in 
       the following format: Hello - Ciao [chow]";
   

   W tym wierszu polecenia udostępnisz program LLM z określonymi instrukcjami, aby sformatować odpowiedź. Jeśli uruchomisz nowy monit, powinna zostać wyświetlona bardziej szczegółowa odpowiedź podobna do następujących danych wyjściowych:

   Restaurant Phrases:
   - Water, please - De l'eau, s'il vous plaît [duh loh, seel voo pleh]
   - Check, please - L'addition, s'il vous plaît [lah-di-syo(n), seel voo pleh]
   - Bon appétit - Bon appétit [bohn ah-peh-teet]
   
   Transportation Phrases:
   - Where is the train station? - Où est la gare? [oo-eh lah gahr]
   - How do I get to...? - Comment aller à...? [ko-mahn tah-lay ah]
   - I need a taxi - J'ai besoin d'un taxi [zhay buh-zwan dunn tah-xee]
   

   Możesz również poprosić LLM o dołączenie określonej kategorii fraz i rozważenie pewnych podstawowych informacji o podróżniku. Wypróbujmy to!

5. Zaktualizuj monit, aby był zgodny z następującym tekstem:

   string language = "French";
   string history = @"I'm traveling with my kids and one of them 
       has a peanut allergy.";
   
   string prompt = @$"Consider the traveler's background:
       ${history}
   
       Create a list of helpful phrases and words in 
       ${language} a traveler would find useful.
   
       Group phrases by category. Include common direction 
       words. Display the phrases in the following format: 
       Hello - Ciao [chow]";
   

   Teraz LLM może rozważyć informacje podróżnika podczas generowania listy fraz. Dodano również instrukcje dołączania typowych słów kierunkowych.

   Dane wyjściowe mogą wyglądać podobnie do następującej odpowiedzi:

   Phrases for dealing with peanut allergy:
   My child has a peanut allergy - Mon enfant a une allergie aux arachides [mon on-fon ah oon ah-lair-zhee oh a-rah-sheed]
   Is there a peanut-free option available? - Y a-t-il une option sans arachide? [ee ah-teel une oh-pee-syon sahn ah-rah-sheed]
   
   Phrases for directions:
   Turn left - Tournez à gauche [toor-nay ah gohsh]
   Turn right - Tournez à droite [toor-nay ah dwaht]
   

W następnym ćwiczeniu przećwiczyć przypisywanie osób do usługi LLM w celu poprawy jakości odpowiedzi.

Ważne

Pamiętaj, aby nie usunąć żadnego z napisanych do tej pory kodu, który został napisany do tej pory, potrzebny do następnego ćwiczenia.