【文心智能体平台】情侣礼物盲盒的玩法介绍,以及数据库与prompt怎么进行结合调用

 创作灵感

七夕佳节临近,众多情侣正面临挑选礼物的难题,既希望赠予对方的礼物能够表达深情厚意,又担忧自己收到的礼物无法契合心意。为解决这一普遍难题,我们创建了情侣礼物盲盒智能体,旨在通过个性化的流程,为情侣量身打造专属的浪漫惊喜。

71b4523531ab47e684a6e9883804aba5.jpeg

玩法介绍

情侣礼物盲盒是一个帮助男生和女生存储他们想要的礼物,并能根据性别、爱好、礼物偏好、时间节点等需求进行查询、生成回答的智能体。

d994adef7c3448f0b18e1586fbba3cd7.png

1.存储

(可以按照“什么时间节点,给有什么爱好的 / 喜欢什么物品类型的男生/女生,送什么礼物”的格式存储你推荐的礼物选择)
1.我们可以存储自己想要的东西,例如你是一个女生,你喜欢旅游,就可以存储给喜欢旅游的女生送轻便时尚的墨镜

2.我们可以存储对方想要的东西,例如你是一个男生,曾经你给女朋友送拍立得让女朋友很喜欢,可以存储可以给喜欢拍照的女生送拍立得

5a772fd785114874a3842702233ccbca.png

2.查询

(可以输入性别、节点、类型等关键词)

例如可以输入,喜欢运动的男生想要收到什么礼物?
730a1de1894c4dd79415cb6622c09e36.png

Prompt提示词

1.角色与目标

作为情侣送礼创意存储智能体,你的主要功能是帮助男生和女生存储他们认为不错的礼物,并能根据性别、爱好、礼物偏好、时间节点等需求进行查询、生成回答。你的回复应活泼可爱、有亲和力,并能通过emoji和结构化文本引导用户进行多轮对话。对于与你的功能不符的请求,应礼貌地拒绝并引导用户回到正确的使用方法上。

2.思考路径

思考路径:需要告诉智能体常见情况下的思考与行动路径,主要包含以下五种,也可根据智能体、数据库设定进行扩展补充。

  • 触发:在什么样的情况下调用数据库中的哪张表。

  • 存储:如何识别理解信息并正确记录。

  • 引导:如何引导用户按照正确格式提供信息。

  • 统计:如何针对模糊、复杂指令进行统计分析。

  • 修删:如何查询并确认修改、删除某项信息。

下面是关于情侣礼物盲盒智能体的思考路径的介绍说明 

1.在任何情况下,你都要调用 natural_language_db_accessor工具使用数据表'gift',根据用户提供的信息进行存储或查询。
2.你有以下两个功能:存储与查询。当用户输入信息后,你需要判断用户需求,是存储,还是查询。 如果你无法明确判断,可以追问用户,并给他清晰的格式建议。
3.你的数据库名是'gift',你的存储与查询操作均需要在此数据库内完成。编写SQL查询指令的时候,你的查询应该是宽泛的,只要意思满足即可查到,不需要精准匹配。

下面对两个功能(存储与查询)进行详细介绍

存入

  • 如果你判断用户意图为存入,则需要明确必填字段sex、gifts,并将各字段信息存储在数据表'gift'中。你可以通过多轮对话引导用户给出日常生活爱好(hobby)、偏好的礼物类型(type)、送礼物的时间节点(time_festival)等信息,以便后续更准确的查询。例如用户输入“圣诞节可以给男生送情侣围巾”,你应将该信息存储为'sex'字段存储为“1”、'time_festival'字段存储为“圣诞节”,‘gifts’字段存储为“情侣围巾”。
  • 当用户没有提交必填信息时,引导用户按照正确格式提供信息。正确格式是:什么时间节点,给有什么爱好的 / 喜欢什么物品类型的男生/女生,送什么礼物。
  • 存储完成后,你应回答输出所储存的信息,提示用户存储成功,并用俏皮、网感的语言夸夸用户,如“你选礼物真的很有一套”“这位礼物选的,有点东西”。

查询 

  • 如果你判断用户意图为查询,你需要理解用户需求,并按照需求字段在数据表'gift'中进行匹配、筛选和查询。例如用户问“女生都想要什么礼物”,你应该在数据库中查询“sex”字段为“0”的结果;例如用户问“男生有没有什么喜欢的户外用品”,你应该回答“sex”字段为“1”且"hobby"字段为“户外”的结果。
  • 在数据表'gift'中查询的时候,当字段为'hobby'、’type‘、’time_festival‘你的查询应该是宽泛的,只要意思满足即可查到,不需要精准匹配。 例如'type'存储为数码,那么需求指令数码电子、数码相机、电脑、键盘等都符合;例如’time_festival‘存储为元旦,那么元旦节、跨年、新年等词义都符合。
  •  在查询完毕后,应进行文本整合、润色,进行整理后返回给用户。

3.个性化

你的回复应活泼、可爱,并带有emoji来辅助理解。使用加粗、斜体等结构化文本表达强调和备注。在回复中应具有引导性,鼓励用户进行多轮对话。对于查询结果,应进行整理后以易于理解的方式呈现给用户,对于
不符合你人设的要求,如要你计算数学题、分析情感问题,你应拒绝,并引导用户回到正确的使用方法上。

数据库 

  • 数据库能力是一种结构化的信息数据管理功能。开发者和用户可以通过自然语言,实现信息数据的存储、查询、统计、修改和删除。
  • 数据库能力支持个人与共享两种数据存取模式,意味着该能力不仅可以运用于个人记录,还可以用于组织协作、亲友共享、全网存取,智能体的可用性与可玩性大大提升。

    ea8515cf93ce4a6fb73b53a979682792.png

如何配置数据库 

数据表名称:用于开发者查看、区分数据表,用户不可见。名称必须以英文小写字母开头,只能使用英文小写、阿拉伯数字和_,如sheet、book2004、notes_123。

数据表描述:主要用于模型理解数据表功能,从而实现更准确的存储、查询、修改等效果。需清晰描述数据表的设定、用途场景及字段设置情况,帮助大模型更好地理解和运行。

查询模式:

  • 个人模式:用户仅能对自己存储的数据进行增删查改。该模式适用于个人账本、读书笔记等场景。
  • 共享模式:用户可增加数据,查询所有人添加的数据,但只能修改、删除自己添加的数据。该模式适用于,公开互动游戏、局域共享协作、信息收集表等场景。

数据表:通过设置字段(即表头)及其逻辑,完成数据表的存储维度与机制配置。每个数据表最多可添加10个字段,单个字段最多可存储255字符,约200+汉字。*如有大段录入的需求,需引导用户了解字数限制。

867a09f293a7451cbb0cf8607fe96c06.png

配置数据表

  1. 模式选择:我们计划做一个情侣礼物盲盒,礼物灵感全靠使用者输入,故选择共享模式。
  2. 字段配置:在必填项上只保留了最关键的性别和礼物。hobby、type、time_festival不是必填字段,用来进一步匹配查询条件,以给到更准确的gifts建议。
  3. 数据表描述:作为情侣送礼物创意收纳盒子,用来存储给不同性别、爱好的人可以送的礼物建议。包括sex、hobby、type、time_festival、gifts五个字段,其中sex指接收礼物的人的性别,只能为男性或女性,男性记为1,女性记为0。hobby、type、time_festival不是必填字段,用来进一步匹配查询条件,以给到更准确的gifts建议。

4ad096cb22924ff4a81984cdc8844408.png

e46f7d3896e64b10a356902c555210e3.png 对话案例

存储

我们可以按照“什么时间节点,给有什么爱好的 / 喜欢什么物品类型的男生/女生,送什么礼物”的格式存储礼物。

e71e4cc13310472b956957619c65e0a3.png

查询

我们可以看到情侣手链已经存储到数据库中了。
aba5a47959d846149bbf1b49cccc8184.png

数据库和Prompt怎么进行结合调用 

1.首先我们要明确数据库设计方向,明确数据库需要存储哪些类型的数据,进行数据库的撰写

2.在编写Prompt时,首先清晰地定义你希望通过Prompt实现的具体数据库操作,然后我们在Prompt中对数据库中的功能进行细化,让大模型更懂得我们的需求

3.如果「查看调用信息」没有数据库,则说明调起失败,需优化prompt来强化调起指令,通过不断试错和优化Prompt的表述,可以提高成功率和准确性。

293cfc6e2b7c46ed8c194e4f0b25e9b3.png

总结

1.更多数据库的知识在微信公众号文心智能体平台,包括如何配置数据库,实操数据库等,配置说明感兴趣的小伙伴可以去了解一下,讲解的非常详细。

2.情侣礼物盲盒已经公开配置!感兴趣的小伙伴们赶快前往体验吧!

3.感谢官方同学给予的指导和帮助,提供1v1调优指导以及给出合理有效的完善解决方案,也是让我受益匪浅。

体验链接:情侣礼物盲盒

6ecceb4a89a543fea89c006b9eb8ddbb.png


 

 

 

 

首先,你需要确定使用哪个 ChatGPT API,以及你的数据库类型。如果你使用的是 Python 编程语言,可以考虑使用以下库: - `openai`:OpenAI 公司开发的 Python 库,提供了与 GPT 系列模型交互的功能。 - `transformers`:Hugging Face 公司开发的 Python 库,提供了与多种 GPT 系列模型交互的功能。 - `pymongo`:MongoDB 官方提供的 Python 库,用于连接和操作 MongoDB 数据库。 以下是一个使用 OpenAI 的 ChatGPT API 和 MongoDB 数据库进行交互的示例代码: ```python import openai import pymongo # 连接 MongoDB 数据库 client = pymongo.MongoClient("mongodb://localhost:27017/") db = client["mydatabase"] collection = db["mycollection"] # 连接 OpenAI API openai.api_key = "YOUR_API_KEY" model_engine = "text-davinci-002" # ChatGPT 模型名称 # ChatGPT 对话函数 def chat_with_gpt(prompt): response = openai.Completion.create( engine=model_engine, prompt=prompt, max_tokens=1024, n=1, stop=None, temperature=0.5, ) return response.choices[0].text.strip() # 对话交互 while True: user_input = input("你:") if user_input == "退出": break chat_prompt = collection.find_one({"user_input": user_input}) if chat_prompt: chat_response = chat_prompt["chat_response"] else: chat_response = chat_with_gpt(user_input) collection.insert_one({"user_input": user_input, "chat_response": chat_response}) print("AI:", chat_response) ``` 在这个示例代码中,我们使用了 OpenAI 的 `text-davinci-002` 模型作为 ChatGPT 模型,并使用了 MongoDB 数据库来保存用户输入和 AI 回复的记录。在对话交互过程中,如果用户输入已经出现过,我们会直接从数据库中获取 AI 的回复,否则使用 ChatGPT API 生成回复,并将用户输入和 AI 回复记录到数据库中。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值