Kor 开源项目教程

Kor 开源项目教程

korA Golang Tool to discover unused Kubernetes Resources 项目地址:https://gitcode.com/gh_mirrors/kor/kor

项目介绍

Kor 是一个用于从文本中提取结构化数据的工具，它利用大型语言模型（LLMs）来实现这一目标。Kor 提供了一种简单的方法来定义提取数据的架构，并通过提供示例来生成提示，然后将这些提示发送给指定的 LLM 并解析输出结果。Kor 与 LangChain 框架集成，使得开发人员可以更容易地构建基于自然语言的 API。

项目快速启动

安装

首先，确保你已经安装了 Python 3.8 或更高版本。然后，通过 pip 安装 Kor：

pip install kor

示例代码

以下是一个简单的示例，展示如何使用 Kor 从文本中提取结构化数据：

from langchain.chat_models import ChatOpenAI
from kor import create_extraction_chain, Object, Text

# 初始化 LLM
llm = ChatOpenAI(
    model_name="gpt-3.5-turbo",
    temperature=0,
    max_tokens=2000,
    model_kwargs={
        'frequency_penalty': 0,
        'presence_penalty': 0,
        'top_p': 1.0
    }
)

# 定义提取架构
schema = Object(
    id="player",
    description=(
        "用户正在控制一个音乐播放器来选择歌曲、暂停或开始它们，或者播放音乐"
    ),
    attributes=[
        Text(
            id="action",
            description="用户想要执行的操作，例如播放、暂停或停止",
            required=True
        )
    ]
)

# 创建提取链
chain = create_extraction_chain(llm, schema)

# 提取数据
result = chain.invoke("停止音乐现在")
print(result["validated_data"])

应用案例和最佳实践

应用案例

1. 音乐播放器控制：如上例所示，Kor 可以用于从自然语言命令中提取音乐播放器的操作。
2. 订单处理：从用户输入中提取订单信息，例如商品名称、数量和地址。
3. 客户服务：从客户查询中提取关键信息，以便快速响应。

最佳实践

1. 清晰定义架构：确保你的提取架构清晰且详细，以便 LLM 能够准确理解并提取所需信息。
2. 提供示例：在定义架构时，提供一些示例输入，这有助于 LLM 更好地理解你的需求。
3. 测试和迭代：在实际应用中，不断测试和优化你的提取架构，以提高准确性和效率。

典型生态项目

Kor 与 LangChain 框架紧密集成，LangChain 提供了一系列工具和组件，帮助开发者构建复杂的语言模型应用。以下是一些与 Kor 相关的典型生态项目：

1. LangChain：一个全面的框架，提供了一系列工具和组件，用于构建基于语言模型的应用。
2. Promptify：一个用于生成和优化提示的工具，可以帮助你更好地与 LLM 交互。
3. MiniChain：一个轻量级的框架，用于快速构建和部署基于语言模型的应用。

通过结合这些生态项目，你可以更高效地开发和部署基于 Kor 的应用程序。

korA Golang Tool to discover unused Kubernetes Resources 项目地址:https://gitcode.com/gh_mirrors/kor/kor