部署模式 — 对话式人工智能
传统意义上,对话流程一直是高度脚本化的,是“机器人说” -> “人类说” -> “机器人说”…的交互,表示不同假设的真实世界场景,对于Rasa开发人员来说也称为“故事”。每个用户的意图可以基于用户的状态和交互表达为数百个“故事”,机器人采取动作执行已定义好的故事并予以回应响应。例如,如果用户想要订阅新闻稿,可能有两个路径:
1.用户已经订阅。
2.用户尚未订阅。
如果用户说“如何订阅新闻稿”触发了意图,机器人需要检查该用户是否已经订阅,然后采取适当的下一步。这个“下一步该做什么”的决策是一个手动硬编码的路径。如果偏离了路径,机器人会说,“对不起,我还在学习,我可以帮助你做xyz…”。
构建和维护机器人的真实成本来自这些故事,之所以要搭建上述乏味的模式,是为了使机器人能够在多样化的真实世界场景中导航,并且可以以有组织的方式添加新路径。路径编写者往往总是有一些“条件需要检查”,“动作需要执行”和“对话的最终目标”来构建一个有目标的执行脚本。
有了LLM,可以尝试使用LLM的“推理”和“规划”能力来自动化脚本编写或路径规划。
想象一下,你是一个客户服务智能体,一名用户带着不同的需求来到你这里,该如何订阅你的服务?你将如何定义应该采取的下一步?它可以完全开放吗?很可能不是,从管理成本的角度来看,它也不能高度脚本化。如果我告诉你以下内容:
- 条件 — 如果存在电子邮件,那么用户可以订阅
- 工具 — check_subscription, add_subscription
作为有自尊的人类,你将能够在脑海中编织出如下故事:
1.用户想要订阅,基于声明 — “我如何订阅?”
2.向用户询问电子邮箱 — “你的电子邮箱是什么?”
3.如果他提供了一个有效的电子邮箱,触发工具 — check_subscription
4.如果用户尚未订阅,触发add_subscription
5.回应成功或失败。
这就是我们希望LLM做的,产生它可以参考的“计划”,并在运行时据此采取动作。
回到模块模板,看看规划者的模样:
上述规划者使用工具和条件构建出计划或故事,来看看研究中的一个真实示例:
有哪些工具可以帮助规划者根据可靠的推理决定路径?
1.由先前类似声明触发的路径。
2.企业动作图和动作之间的依赖性。帮助规划者确定某个动作是否会得出正确的结果,然后进行下一个动作,依此类推,直到递归地解决问题。
3.用户/对话的当前状态。
最后分享
AI大模型作为人工智能领域的重要技术突破,正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口,掌握AI大模型的知识和技能将变得越来越重要。
学习AI大模型是一个系统的过程,需要从基础开始,逐步深入到更高级的技术。
这里给大家精心整理了一份全面的AI大模型学习资源,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等,资料免费分享!
1. 成长路线图&学习规划
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。
这里,我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。
2. 大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的,我们精选了一系列深入探讨大模型技术的书籍和学习文档,它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。(书籍含电子版PDF)
3. 大模型视频教程
对于很多自学或者没有基础的同学来说,书籍这些纯文字类的学习教材会觉得比较晦涩难以理解,因此,我们提供了丰富的大模型视频教程,以动态、形象的方式展示技术概念,帮助你更快、更轻松地掌握核心知识。
4. 大模型项目实战
学以致用 ,当你的理论知识积累到一定程度,就需要通过项目实战,在实际操作中检验和巩固你所学到的知识,同时为你找工作和职业发展打下坚实的基础。
5. 大模型面试题
面试,不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我们将提供精心整理的大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。
全套的AI大模型学习资源已经整理打包,有需要的小伙伴可以微信扫描下方CSDN官方认证二维码,免费领取【保证100%免费
】
如有侵权,请联系删除。