Ćwiczenie — zapisywanie monitów o pliki

15 min

Załóżmy, że chcesz zasugerować miejsca docelowe podróży i zalecić działania dla użytkownika. W tym ćwiczeniu przećwiczysz tworzenie monitów i zapisywanie ich w plikach. Zaczynamy!

Otwórz projekt programu Visual Studio Code utworzony w poprzednim ćwiczeniu.

W pliku Program.cs usuń prompt zmienne i input utworzone w poprzednim ćwiczeniu, aby pozostały z następującym kodem:

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();

Sprawdź, czy w projekcie istnieją następujące foldery:
- "Monity"
- "Monity/TravelPlugins"
- "Monity/TravelPlugins/SuggestDestinations"
- "Monity/TravelPlugins/GetDestination"
- "Monity/TravelPlugins/SuggestActivities"
Te katalogi ułatwiają organizowanie monitów. Najpierw należy utworzyć monit, który identyfikuje miejsce docelowe, do którego użytkownik chce podróżować. Aby utworzyć monit, należy utworzyć config.json i pliki skprompt.txt. Zaczynamy!

W folderze GetDestination otwórz plik config.json i wprowadź następujący kod:

{
    "schema": 1,
    "type": "completion",
    "description": "Identify the destination of the user's travel plans",
    "execution_settings": {
        "default": {
            "max_tokens": 1200,
            "temperature": 0
        }
    },
    "input_variables": [
        {
            "name": "input",
            "description": "Text from the user that contains their travel destination",
            "required": true
        }
    ]
}

Ta konfiguracja informuje jądro o tym, co robi monit i jakie zmienne wejściowe mają być akceptowane. Następnie należy podać tekst monitu w pliku skprompt.txt.

W folderze GetDestination otwórz plik skprompt.txt i wprowadź następujący tekst:

<message role="system">
Instructions: Identify the destination the user wants to travel to.
</message>
<message role="user">
I am so excited to take time off work! My partner and I are thinking about going to Santorini in Greece! I absolutely LOVE Greek food, I can't wait to be some place warm.
</message>
<message role="assistant">Santorini, Greece</message>

<message role="user">{{$input}}</message>

Ten monit pomaga dużemu modelowi językowemu (LLM) filtrować dane wejściowe użytkownika i pobierać tylko miejsce docelowe z tekstu.

W folderze SuggestDestinations otwórz plik config.json i wprowadź następujący tekst:

{
    "schema": 1,
    "type": "completion",
    "description": "Recommend travel destinations to the user",
    "execution_settings": {
        "default": {
            "max_tokens": 1200,
            "temperature": 0.3
        }
    },
    "input_variables": [
        {
            "name": "input",
            "description": "Details about the user's travel plans",
            "required": true
        }
    ]
}

W tej konfiguracji możesz nieco podnieść temperaturę, aby dane wyjściowe bardziej kreatywne.

W folderze SuggestDestinations otwórz plik skprompt.txt i wprowadź następujący tekst:

The following is a conversation with an AI travel assistant. 
The assistant is helpful, creative, and very friendly.

<message role="user">Can you give me some travel destination 
suggestions?</message>

<message role="assistant">Of course! Do you have a budget or 
any specific activities in mind?</message>

<message role="user">${input}</message>

Ten monit sugeruje podróż do użytkownika na podstawie danych wejściowych. Teraz utwórzmy wtyczkę, aby zalecić działania w ich miejscu docelowym.

W folderze SuggestActivities otwórz plik config.json i wprowadź następujący tekst:

{
    "schema": 1,
    "type": "completion",
    "description": "Recommend activities at a travel destination to the user",
    "execution_settings": {
        "default": {
            "max_tokens": 4000,
            "temperature": 0.3
        }
    },
    "input_variables": [
        {
            "name": "history",
            "description": "Background information about the user",
            "required": true
        },
        {
            "name": "destination",
            "description": "The user's travel destination",
            "required": true
        }
    ]
}

W tej konfiguracji zwiększysz max_tokens wartość , aby zezwolić na więcej tekstu dla historii i wygenerowany tekst.

W folderze SuggestActivities otwórz plik skprompt.txt i wprowadź następujący tekst:

You are a travel assistant. You are helpful, creative, and very friendly.
Consider your previous conversation with the traveler: 
{{$history}}

The traveler would like some activity recommendations, things to do, and points 
of interest for their trip. They want to go to {{$destination}}.
Please provide them with a list of things they might like to do at their chosen destination.

Teraz zaimportujmy i przetestujmy nowe monity!

Zaktualizuj plik Program.cs przy użyciu następującego kodu:

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Plugins.Core;
using Microsoft.SemanticKernel.ChatCompletion;

var builder = Kernel.CreateBuilder();
builder.AddAzureOpenAIChatCompletion(
    "your-deployment-name",
    "your-endpoint",
    "your-api-key",
    "deployment-model");
var kernel = builder.Build();

kernel.ImportPluginFromType<ConversationSummaryPlugin>();
var prompts = kernel.ImportPluginFromPromptDirectory("Prompts/TravelPlugins");

ChatHistory history = [];
string input = @"I'm planning an anniversary trip with my spouse. We like hiking, 
    mountains, and beaches. Our travel budget is $15000";

var result = await kernel.InvokeAsync<string>(prompts["SuggestDestinations"],
    new() {{ "input", input }});

Console.WriteLine(result);
history.AddUserMessage(input);
history.AddAssistantMessage(result);

W tym kodzie zaimportujesz utworzone wtyczki. Obiekt służy ChatHistory również do przechowywania konwersacji użytkownika. Na koniec przekazujesz kilka informacji do monitu SuggestDestinations i rejestrujesz wyniki. Następnie zapytajmy użytkownika, gdzie chce przejść, abyśmy mogli zalecić im niektóre działania.

Dodaj następujący kod do pliku Program.cs :

Console.WriteLine("Where would you like to go?");
input = Console.ReadLine();

result = await kernel.InvokeAsync<string>(prompts["SuggestActivities"],
    new() {
        { "history", history },
        { "destination", input },
    }
);
Console.WriteLine(result);

W tym kodzie uzyskasz pewne dane wejściowe od użytkownika, aby dowiedzieć się, gdzie chcesz przejść. Następnie wywołasz SuggestActivities monit z miejscem docelowym i historią konwersacji.

Aby przetestować kod, wprowadź dotnet run w terminalu.

Ostateczne dane wyjściowe mogą wyglądać podobnie do następujących:

Absolutely! Japan is a wonderful destination with so much to see and do. Here are some recommendations for activities and points of interest:

1. Visit Tokyo Tower: This iconic tower offers stunning views of the city and is a must-visit attraction.

2. Explore the temples of Kyoto: Kyoto is home to many beautiful temples, including the famous Kiyomizu-dera and Fushimi Inari-taisha.

3. Experience traditional Japanese culture: Attend a tea ceremony, try on a kimono, or take a calligraphy class to immerse yourself in Japanese culture.

Teraz utworzono początki asystenta podróży sztucznej inteligencji! Spróbuj zmienić dane wejściowe, aby zobaczyć, jak reaguje usługa LLM.

Ćwiczenie — zapisywanie monitów o pliki

Opinia