前言
在探索 Semantic Kernel 在客服 ChatBot 中的應用中,
提供一個Plugin
並設定ToolCallBehavior.AutoInvokeKernelFunctions
,
Semantic Kernel 就會自動依使用者意圖幫我們收集使用者的資訊並呼叫Plugin
,
直到完成使用者的問題。為什麼它會如此聰明呢? 就讓我們深入了解一番 …
Hello! 我是 RM
在探索 Semantic Kernel 在客服 ChatBot 中的應用中,
提供一個Plugin
並設定ToolCallBehavior.AutoInvokeKernelFunctions
,
Semantic Kernel 就會自動依使用者意圖幫我們收集使用者的資訊並呼叫Plugin
,
直到完成使用者的問題。為什麼它會如此聰明呢? 就讓我們深入了解一番 …
在Kernel Memory (KM) 使用 Postgres 當 Vector DB中,
我們將許多文件的內容轉成 Vector 放到 PostgreSQL 之中,進行查詢。
然而在企業應用中,查詢時要依使用者的權限進行過濾,在Kernel Memory中要如何做呢?
在探索 Semantic Kernel 在客服 ChatBot 中的應用(我的客服 Bot 除了會說,還會做)這篇之中,
學到了透過 Semantic Kernel 可以快速打造出客服對話機器人。
但如果用戶輸入詢問風景等問題,還是會呼叫我們的 Ask Function,
所以我們要限定 AI 只能回覆特定的問題。
接 Gpt 3.5 API 時,有時會有參數幻覺問題(hallucinate parameters)
所以我們參考Make gpt ask questions to the user的方式,
來改變systemmessage prompt,看看是否能解決這些問題。
在OpenAI Assistants API 初體驗是自行呼叫 API,
在 Semantic Kernel(SK) 中已有封裝對應的 Method 可以使用。
以下就來看看如何透過 Semantic Kernel 中的 AgentBuilder 來建立出 Assistant 。
tag:
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录(注意不是yilia根目录)执行以下命令:
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置:
jsonContent: meta: false pages: false posts: title: true date: true path: true text: false raw: false content: false slug: false updated: false comments: false link: false permalink: false excerpt: false categories: false tags: true