【GPT入门】第3课 客服会话质检(思维链)

【GPT入门】第3课 客服会话质检

1.质检任务

任务本质是检查客服与用户的对话是否有不合规的地方

质检是电信运营商和金融券商大规模使用的一项技术

每个涉及到服务合规的检查点称为一个质检项

我们选一个质检项,产品信息准确性,来演示思维链的作用:

当向用户介绍流量套餐产品时,客服人员必须准确提及产品名称、月费价格、月流量总量、适用条件(如有)

上述信息缺失一项或多项,或信息与事实不符,都算信息不准确

下面例子如果不用「一步一步」,就会出错。

2. 代码

复制代码
from openai import OpenAI
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

client = OpenAI()


def get_completion(prompt, model="gpt-4o-mini"):
    messages = [{"role": "user", "content": prompt}]
    response = client.chat.completions.create(
        model=model,
        messages=messages,
        temperature=0,
    )
    return response.choices[0].message.content


instruction = """
给定一段用户与手机流量套餐客服的对话,。
你的任务是判断客服的回答是否符合下面的规范:

- 必须有礼貌
- 必须用官方口吻,不能使用网络用语
- 介绍套餐时,必须准确提及产品名称、月费价格和月流量总量。上述信息缺失一项或多项,或信息与事实不符,都算信息不准确
- 不可以是话题终结者

已知产品包括:

经济套餐:月费50元,月流量10G
畅游套餐:月费180元,月流量100G
无限套餐:月费300元,月流量1000G
校园套餐:月费150元,月流量200G,限在校学生办理
"""

# 输出描述
output_format = """
如果符合规范,输出:Y
如果不符合规范,输出:N
"""

context = """
用户:你们有什么流量大的套餐
客服:亲,我们现在正在推广无限套餐,每月300元就可以享受1000G流量,您感兴趣吗?
"""

cot = ""
# cot = "请一步一步分析对话"

prompt = f"""
# 目标
{instruction}
{cot}

# 输出格式
{output_format}

# 对话上下文
{context}
"""

response = get_completion(prompt)
print(response)

3.核心

{cot} 总有两个,一个是空的,一个是"一步步执行", 一步步执行,是有思考的,有思维链,所以它更出给正确答案。没有一步步执行,gpt胡乱给答案

背后的思想

思维链(Chain of Thoughts, CoT)

思维链,是大模型涌现出来的一种神奇能力

它是偶然被「发现」的(OpenAI 的人在训练时没想过会这样)

相关推荐
猫头虎1 天前
猫头虎 AI工具分享:一个网页抓取、结构化数据提取、网页爬取、浏览器自动化操作工具:Hyperbrowser MCP
运维·人工智能·gpt·开源·自动化·文心一言·ai编程
北京地铁1号线1 天前
GPT-2论文阅读:Language Models are Unsupervised Multitask Learners
论文阅读·gpt·语言模型
前端小盆友2 天前
从零实现一个GPT 【React + Express】--- 【2】实现对话流和停止生成
前端·gpt·react.js
牛大了202312 天前
【LLM学习】2-简短学习BERT、GPT主流大模型
gpt·学习·bert
1213412 天前
LLM:重构数字世界的“智能操作系统”
gpt·aigc·ai编程·llama·gpu算力
叠叠乐18 天前
ROS2编译的理解,与GPT对话
gpt
蚂蚁数据AntData20 天前
DB-GPT V0.7.2 版本更新:图表组件可视化增强、支持混合搜索 、支持DeepSeek-R1-0528模型等
大数据·数据库·gpt·架构·数据库架构
PacosonSWJTU23 天前
加载GPT-2模型参数报错:TensorFlow不存在
人工智能·gpt·tensorflow
zm-v-1593043398624 天前
GPT-ArcGIS 在生态评价中的综合应用:多因子权重分析与适宜性制图
gpt·arcgis
激进小猪10021 个月前
LLM基础5_从零开始实现 GPT 模型
gpt