CN116955557A - 应用于大语言模型的提示词确定方法、装置、设备及介质 - Google Patents
应用于大语言模型的提示词确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116955557A CN116955557A CN202310850333.2A CN202310850333A CN116955557A CN 116955557 A CN116955557 A CN 116955557A CN 202310850333 A CN202310850333 A CN 202310850333A CN 116955557 A CN116955557 A CN 116955557A
- Authority
- CN
- China
- Prior art keywords
- event
- parameters
- preset
- schedule
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000004044 response Effects 0.000 claims abstract description 83
- 230000001960 triggered effect Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000003993 interaction Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/151—Transformation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种应用于大语言模型的提示词确定方法、装置、设备及介质,涉及人工智能领域,尤其涉及智能交互领域。具体实现方案为:获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;提示词模板为待生成的提示词的部分信息对应的模板;结构化参数为日程事件的参数;根据接口描述语句和提示词模板,生成待生成的提示词的第一部分信息;根据结构化参数,生成提示词的第二部分信息;根据第一部分信息和第二部分信息,生成日程事件对应的提示词;提示词用于基于大语言模型确定用户触发的事件之后,调取待调用的应用程序编程接口进行事件响应处理。
Description
技术领域
本公开涉及人工智能领域中的智能交互领域,尤其涉及一种应用于大语言模型的提示词确定方法、装置、设备及介质。
背景技术
人工智能进入大模型的时代,大模型的功能不仅仅是对话和聊天。利用大模型的理解能力,可以支持不同使用场景的需求。若大模型对用户输入的指令的理解有误,则会发出错误的响应,影响用户的使用体验。
大模型可以通过预设的prompt(提示词)来理解用户所输入的指令,因此,prompt的生成和确定对大模型的使用至关重要。
发明内容
本公开提供了一种应用于大语言模型的提示词确定方法、装置、设备及介质。
根据本公开的第一方面,提供了一种应用于大语言模型的提示词的确定方法,包括:
获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,所述接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;所述提示词模板为待生成的提示词的部分信息对应的模板;所述结构化参数为日程事件的参数;
根据所述接口描述语句和所述提示词模板,生成所述待生成的提示词的第一部分信息;
根据所述结构化参数,生成所述待生成的提示词的第二部分信息;
根据所述第一部分信息和所述第二部分信息,生成所述日程事件对应的提示词;其中,所述提示词用于基于大语言模型确定用户所触发的事件之后,调取所述待调用的应用程序编程接口进行事件响应处理。
根据本公开的第二方面,提供了一种应用于大语言模型的提示词的确定装置,包括:
获取单元,用于获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,所述接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;所述提示词模板为待生成的提示词的部分信息对应的模板;所述结构化参数为日程事件的参数;
第一生成单元,用于根据所述接口描述语句和所述提示词模板,生成所述待生成的提示词的第一部分信息;
第二生成单元,用于根据所述结构化参数,生成所述待生成的提示词的第二部分信息;
提示词生成单元,用于根据所述第一部分信息和所述第二部分信息,生成所述日程事件对应的提示词;其中,所述提示词用于基于大语言模型确定用户所触发的事件之后,调取所述待调用的应用程序编程接口进行事件响应处理。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现本公开第一方面所述的方法。
根据本公开的技术,提高了应用于大语言模型的prompt的确定效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种应用于大语言模型的提示词的确定方法的流程示意图;
图2是根据本公开实施例提供的一种应用于大语言模型的提示词的确定方法的流程示意图;
图3是根据本公开实施例提供的一种应用于大语言模型的提示词的确定方法的流程示意图;
图4是根据本公开实施例提供的一种应用于大语言模型的提示词的确定装置的结构框图;
图5是根据本公开实施例提供的一种应用于大语言模型的提示词的确定装置的结构框图;
图6是用来实现本公开实施例的应用于大语言模型的提示词的确定方法的电子设备的结构框图;
图7是用来实现本公开实施例的应用于大语言模型的提示词的确定方法的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
AI(Artificial Intelligence,人工智能)进入大模型的时代,大模型可以是指大语言模型。利用大模型的理解,构建基于大模型的应用,赋能各类场景和千行百业。
为了支持不同的使用场景的需求,对大模型的要求不单是对话和聊天,还期望利用大模型的理解能力来提升业务系统的使用体验。例如,用户向大模型输入一句语音,通过大模型对语音的理解,在应用上创建一个日程。示例性地,用户输入的语音可以是“明天下午三点开会”,则可以创建一个明天下午三点开会的日程。在这种场景下就会面临很多的比如准确性的问题,在解决准确性的过程中往往需要prompt进行帮助,prompt的生成过程的人力投入是比较可观的,导致了大量的prompt工程师的出现。如何提高prompt的确定效率是一个需要迫切考虑的问题。
本公开提供一种应用于大语言模型的提示词确定方法、装置、设备及介质,应用于人工智能领域中的智能交互领域,达到提高prompt的确定效率的效果。
需要说明的是,本实施例中的模型和参数等数据并不是针对某一特定用户,并不能反映出某一特定用户的个人信息。需要说明的是,本实施例中的数据来自于公开数据集。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
为使读者更深刻地理解本公开的实现原理,现结合以下图1-图7所示的实施例进行进一步细化。
图1为根据本公开实施例提供的一种基于应用于大语言模型的提示词的确定方法的流程示意图,该方法可以由一种基于应用于大语言模型的提示词的确定装置执行。如图1所示,该方法包括以下步骤:
S101、获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;提示词模板为待生成的提示词的部分信息对应的模板;结构化参数为日程事件的参数。
示例性地,大语言模型可以应用在不同的业务系统上,不同的业务系统可以为用户提供不同的业务功能,例如,业务系统可以为用户提供待办日程的创建等功能。待办日程的创建是指,可以将某个事件作为一个日程,在业务系统上创建该日程,便于提醒用户在预设的时间内对该事件进行处理。不同业务系统对应不同的API(Application ProgrammingInterface,应用程序编程接口),即,在使用业务系统时,需要调用对应的API接口。
预先设置不同API的接口描述语句,接口描述语句是指针对API的API描述。接口描述语句可以表示调用待调用的API时所需的日程事件的参数信息,日程事件是指用户需要在业务系统上创建的待办日程,例如,可以在业务系统上创建一个“小红和小明在明天下午三点开会”的日程事件。参数信息可以包括与日程事件相关的参数,和对参数的解释说明。例如,参数可以包括日程事件的执行人名称、时间、地点、待办事件描述和事件主题等。参数的解释说明可以是对参数的格式和含义的说明,例如,参数为“待办事件描述”,该参数的解释说明可以是“支持纯文本或富文本,最多500字”;参数为“截止时间”,该参数的解释说明可以是“毫秒时间戳”;参数为“事件优先级”,该参数的解释说明可以是“0表示无优先级;1表示低优;2表示中优;3表示高优”。可以采用预设的语句格式,预先设置接口描述语句,不同的业务系统可以对应不同的接口描述语句。
预先设置有提示词模板,提示词模板可以用于生成prompt,提示词模板是待生成的prompt中的部分信息所对应的模板。Prompt中可以包括多个部分,根据提示词模板,可以生成prompt中的一部分。例如,提示词模板可以是“我希望你能作为XXX功能的角色。你需要分析用户输入,确定所需的参数,将参数按照JSON格式进行输出。参数为XXX;参数说明为XXX”。在生成prompt时,可以将提示词模板中空缺的位置补充完整,得到提示词的一部分。
预先对日程事件进行具体示例的举例,并设置该日程事件的结构化参数。结构化参数是指采用预设的数据结构表示日程事件的参数。例如,预先设置一个日程事件为“小李和小明今天高优写读书笔记”,针对该日程事件,采用预设的数据结构设置结构化参数,该日程事件的结构化参数可以表示为:
可以预先举例多个日程事件,每个日程事件都对应有一个结构化参数。可以根据业务系统的实际功能进行举例,本实施例中,对举例的日程事件的事件内容不做具体限定。预设的日程事件的结构化参数中包括接口描述语句中所包含的参数,例如,接口描述语句中表明了调用API所需的参数有时间、地点、人物和待办事项描述,则预设的结构化参数中需要含有日程事件的时间、地点、人物和待办事项描述。
S102、根据接口描述语句和提示词模板,生成待生成的提示词的第一部分信息。
示例性地,Prompt可以包括第一部分信息和第二部分信息,提示词模板可以是第一部分信息的模板。在生成prompt时,可以根据接口描述语句和提示词模板,生成第一部分信息。提示词模板中含有待补充的位置,例如,提示词模板为“我希望你能作为XXX功能的角色”,其中,“XXX”所在的位置即为待补充的位置。根据接口描述语句,可以在待补充的位置进行补充,将“XXX”更换为具体的内容,得到补充后的提示词模板,作为prompt的第一部分信息。
在根据接口描述语句和提示词模板,生成待生成的提示词的第一部分信息时,可以从接口描述语句中获取到具体的信息,填写在提示词模板中。例如,可以从接口描述语句中查找参数的名称,填写在提示词模板中需要填写参数名称的位置处。通过prompt的第一部分信息,可以使大语言模型在接收到用户所指示的创建待办事件的指令时,确定需要从用户所指示的事件中,确定出哪些参数。例如,用户指示一个创建待办事件的指令,大语言模型需要确定出待办事件的执行人、时间、地点、优先级和待办事项描述等。
本实施例中,根据接口描述语句和提示词模板,生成待生成的提示词的第一部分信息,包括:从接口描述语句中,获取调用待调用的应用程序编程接口时所需的日程事件的参数信息;将调用待调用的应用程序编程接口时所需的日程事件的参数信息,添加至提示词模板中的预设位置处,得到待生成的提示词的第一部分信息。
具体的,接口描述语句可以表示调用待调用的API时所需的日程事件的参数信息,待调用的API为待提供功能的业务系统所对应的API。参数信息可以包括调用API所需的参数的名称和对参数的解释说明。例如,所需的参数包括待办事项名称、待办事项描述和时间等。对参数的解释说明可以是对参数的格式和含义进行解释说明,例如,参数为待办事项描述,则解释说明可以为“待办描述,支持纯文本或富文本,最多500字”。
从接口描述语句中,获取调用待调用的API时所需的日程事件的参数信息,即,确定调用待调用的API所需的参数和对参数的解释说明。对于不同的API,可以得到不同的参数信息。
获取预先给定的提示词模板,提示词模板中预设有待补充的位置,作为预设位置。在预设位置处,需要补充具体的信息,才可以得到完整的第一部分信息。根据接口描述语句中的参数信息,确定提示词模板中的预设位置处的信息,将确定出的信息填写在提示词模板中的预设位置处,得到待生成的提示词的第一部分信息。例如,从参数信息中确定出调用API所需的参数的名称,在提示词模板中确定需要填写参数名称的预设位置,将确定出的参数的名称,添加在预设位置处,使提示词模板中存在参数的名称。参数信息中还可以包括业务系统所提供的功能,将该功能作为业务系统的角色,例如,业务系统提供创建待办的功能,则可以确定业务系统需要作为创建待办功能的角色。将确定出的角色名称填写在提示词模板的预设位置处,例如,提示词模板为“我希望你能作为XXX功能的角色”,补充后的提示词的第一部分信息为“我希望你能作为创建待办功能的角色”。
这样设置的有益效果在于,结合接口描述语句和提示词模板,自动生成完整的第一部分信息,减少用户操作,实现所生成的prompt与业务系统相对应,提高prompt的生成效率。
S103、根据结构化参数,生成待生成的提示词的第二部分信息。
示例性地,预先对日程事件进行举例,得到该日程事件的结构化参数。获取预设的结构化参数,根据结构化参数,得到待生成的提示词的第二部分信息。例如,第二部分信息中可以包括结构化参数,即,可以将预设的结构化参数作为第二部分信息。
日程事件可以通过一句自然语言进行描述,例如,预设的日程事件为“小李和小明今天高优写读书笔记”。结构化参数可以表示日程事件的参数的具体内容,即,通过结构化参数,可以采用预设的数据结构表示出执行该日程事件的人物、时间、优先级和待办事项等内容。可以根据结构化参数,确定日程事件的各个参数的具体内容,将确定出的参数的具体内容与结构化参数共同作为prompt的第二部分信息,即,第二部分信息中可以包括日程事件的参数的具体内容和预设数据结构的结构化参数。第二部分信息作为具体的示例,可以帮助大语言模型在接收到用户指令时,理解用户所输入的语句,提取出正确的参数,实现待办事项的准确创建。
S104、根据第一部分信息和第二部分信息,生成日程事件对应的提示词;其中,提示词用于基于大语言模型确定用户所触发的事件之后,调取待调用的应用程序编程接口进行事件响应处理。
示例性地,在得到prompt的第一部分信息和第二部分信息后,可以根据第一部分信息和第二部分信息,得到完整的prompt,即得到与预设的日程事件相对应的提示词。例如,可以结合第一部分信息和第二部分信息,得到待生成的prompt。若改变预设的具体示例的日程事件,则生成的prompt也会发生改变。
生成prompt之后,可以将prompt应用于大语言模型,基于大语言模型确定用户所触发的事件,调取待调用的API接口进行事件响应处理。用户所触发的事件可以是用户触发日程创建指令,日程创建指令中包括待创建的待办事件。对事件进行响应处理可以是对待创建的待办事件进行日程的创建处理,即,在业务系统的应用上,创建该待办事件的日程,便于提醒用户在预设的时间内执行该事件。
本实施例中,根据第一部分信息和第二部分信息,生成日程事件对应的提示词,包括:将第一部分信息和第二部分信息进行组装,得到日程事件对应的提示词。
具体的,Prompt中包括第一部分信息和第二部分信息,预设prompt中第一部分信息与第二部分信息的组装规则,根据预设的组装规则,将第一部分信息和第二部分信息进行组装,得到完整的prompt。例如,可以将第一部分信息放在第二部分信息的上面,由第一部分信息和第二部分信息上下拼接得到prompt。
例如,完整的prompt可以表示为:
我希望你能作为创建代办功能的角色。你需要分析用户输入,确定所需的参数,将参数按照JSON格式进行输出。参数为姓名-时间-优先级-待办事项。
当我输入“小李和小明今天高优写读书笔记“,你需要帮我提取成如下的结构化参数
其中,“我希望你能作为创建代办功能的角色。你需要分析用户输入,确定所需的参数,将参数按照JSON格式进行输出。参数为姓名-时间-优先级-待办事项”为第一部分信息,第一部分信息之后的内容为第二部分信息。
这样设置的有益效果在于,通过结合第一部分信息和第二部分信息,实现prompt的自动生成,减少人工操作,提高prompt的确定效率。
本公开实施例提供了一种应用于大语言模型的提示词的确定方法,根据预设的接口描述语句和prompt模板,可以得到prompt的第一部分信息。对于不同的业务系统,可以生成不同的第一部分信息,实现对不同业务系统的prompt的针对性确定。根据预设的示例性的日程事件的结构化参数,可以生成第二部分信息。将两部分信息组合,得到完整的prompt。实现自动生成prompt,减少人力和时间的投入,降低prompt的确定成本,提高prompt的确定效率,进而加快业务方的接入和大语言模型的使用进程。
图2为本公开实施例提供的一种应用于大语言模型的提示词的确定方法的流程示意图,该实施例是在上述实施例基础上的可选实施例。
本实施例中,根据结构化参数,生成待生成的提示词的第二部分信息,可细化为:根据日程事件的结构化参数,生成日程事件的自然语言描述;其中,日程事件的自然语言描述用于以自然语言对日程事件进行描述;根据日程事件的结构化参数和自然语言描述,确定待生成的提示词的第二部分信息。
如图2所示,该方法包括以下步骤:
S201、获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;提示词模板为待生成的提示词的部分信息对应的模板;结构化参数为日程事件的参数。
示例性地,本步骤可以参见上述步骤S101,不再赘述。
S202、根据接口描述语句和提示词模板,生成待生成的提示词的第一部分信息。
示例性地,本步骤可以参见上述步骤S102,不再赘述。
S203、根据日程事件的结构化参数,生成日程事件的自然语言描述;其中,日程事件的自然语言描述用于以自然语言对日程事件进行描述。
示例性地,结构化参数采用预设的数据结构表示日程事件,预设一个结构化参数,该结构化参数可以对应一个具体的日程事件。日程事件可以采用一句自然语言进行描述,在日程事件的自然语言描述中,包括日程事件的参数,预设的结构化参数中也包括日程事件的参数。根据日程事件的结构化参数,可以生成该日程事件对应的自然语言描述,即,可以将结构化参数转换为自然语言描述。
本实施例中,根据日程事件的结构化参数,生成日程事件的自然语言描述,包括:从日程事件的结构化参数中,获取日程事件的参数;根据日程事件的参数,生成日程事件的自然语言描述。
具体的,结构化参数中含有日程事件的各个参数,可以从结构化参数中,获取日程事件的参数。例如,可以获取到日程事件的执行人、时间、地点和优先级等参数的内容。
根据获取到的日程事件的参数,可以将日程事件以一句自然语言进行描述,即,得到该日程事件的自然语言描述。日程事件的自然语言描述中,包括所获取到的参数。可以将获取的参数拼接成一句完整的自然语句,作为日程事件的自然语言描述。例如,获取到的参数为:执行人-小明;时间-今天;优先级-高优;待办事项描述-写读书笔记。可以得到对应的自然语句描述为“小明今天高优写读书笔记”。
这样设置的有益效果在于,根据结构化参数自动生成自然语言描述,并确保自然语言描述中的参数不遗漏,不需要人为编写自然语言描述,提高prompt的生成效率。
本实施例中,根据日程事件的参数,生成日程事件的自然语言描述,包括:将日程事件的参数缓存在预设的参数列表中;其中,参数列表中的一行表示一个日程事件,一列表示一种参数;根据预设的自然语言格式,对参数列表中日程事件的参数进行组装,得到日程事件的自然语言描述。
具体的,预先设置一个参数列表,参数列表可以是schema(模式)列表。在获取到结构化参数中日程事件的参数后,可以将日程事件的参数存储在schema列表中。可以将参数以key-value的形式进行存储,也可以采用key-type-value的形式进行存储。Key是指参数的名称,value是指参数的具体内容,type是指参数的数据类型。schema列表中包含多行多列,在schema列表可以存储多个日程事件的参数,例如,一行表示一个日程事件,即该日程事件的各个参数都存储在该行中。一列表示一种参数,不同日程事件的同一种参数都存储在一列中。若预设了不同日程事件的结构化参数,则可以获取不同日程事件的参数,将各日程事件对应的参数存储在不同的行中。
在生成自然语言描述时,从预设的参数列表中获取一个日程事件所对应的各个参数。预先设置自然语言的格式,根据预设的自然语言的格式,将日程事件的各个参数进行组装,得到日程事件的自然语言描述。例如,自然语言的格式可以是将各个参数按照预设顺序进行拼接,成为一句没有标点符号的自然语句。
这样设置的有益效果在于,可以将事件参数放置在一个参数列表中,对参数列表中的参数进行格式转换,得到自然语言描述,实现自然语言描述的自动生成,并保证自然语言描述与结构化参数相对应,提高prompt的生成效率。
本实施例中,根据预设的自然语言格式,对参数列表中日程事件的参数进行组装,得到日程事件的自然语言描述,包括:根据预设的自然语言格式,对参数列表中日程事件的参数进行组装,得到初始语言描述;其中,初始语言描述用于表示含有日程事件的参数的自然语言;根据预设的语言生成模型,对初始语言描述进行改写和扩展处理,得到日程事件的自然语言描述;其中,语言生成模型用于改变初始语言描述的表述方式。
具体的,预设自然语言格式,自然语言格式可以表示参数的组装规则,例如,自然语言格式可以表示为参数在组装时的前后顺序。根据自然语言格式,对参数列表中日程事件的参数进行拼接组装,得到的描述结果为初始语言描述。初始语言描述中可以只含有日程事件的参数,例如,自然语言格式中规定参数的组装顺序为“执行人、时间、优先级、待办事项描述”。通过结构化参数,得到日程事件的参数有执行人为小明,截止时间为今天24点,优先级为高优,待办事项描述为写读书笔记,则可以得到初始语言描述为“小明今天24点高优写读书笔记”。
初始语言描述较为简单和单一,可能存在不通顺的问题,不符合用户日常的说话习惯。可以对初始描述语言进行改写和扩展处理,得到更加合理的表述方式,作为日程事件的自然语言描述。
可以预设一个语言生成模型,语言生成模型可以用于对自然语言进行改写和扩展处理。例如,语言生成模型可以神经网络模型。通过语言生成模型,可以生成初始语言描述的不同的表述方式。例如,对于接口中包括的时间的参数,可以引入时间的各种表达进行改写和扩展。示例性地,初始语言描述为“小明今天24点高优写读书笔记”,改写后的自然语言描述可以是“小明在今天晚上12点前高优写读书笔记”。结构化参数和不同表述方式的自然语言描述可以共同作为prompt的第二部分信息,提高大语言模型通过prompt对用户所触发的事件的理解能力。
这样设置的有益效果在于,通过对初始语言描述进行改写和扩展,可以得到不同的表述方式。不同表述方式的自然语言描述,都可以对应预设的结构化参数,便于在后续使用prompt时,针对用户不同表述方式的事件,都可以确定出用户所表述的事件中的参数,提升用户的使用体验。
本实施例中,从日程事件的结构化参数中,获取日程事件的参数,包括:从日程事件的结构化参数中,获取预设参数种类的参数,为日程事件的参数。
具体的,结构化参数中可以含有日程事件的多个参数,在从结构化参数中获取日程事件的参数时,可以对参数进行筛选,只获取有必要的参数。参数是否必要可以从接口使用的角度进行考虑,由工作人员预先进行确定。即,可以预先设置一种或多种参数种类,作为有必要的参数的种类。从结构化参数中,获取预设参数种类所对应的参数,作为日程事件的参数。对于不是预设参数种类的参数,可以不进行获取,避免数据冗余。
这样设置的有益效果在于,从预先设置的结构化参数中抽取必要的参数字段,减少参数的数据量,提高自然语言描述的生成效率和精度,进而提高prompt的生成效率和精度。
S204、根据日程事件的结构化参数和自然语言描述,确定待生成的提示词的第二部分信息。
示例性地,在得到日程事件的自然语言描述后,可以根据日程事件的结构化参数和自然语言描述,生成prompt的第二部分信息。例如,可以将结构化参数和自然语言描述直接作为第二部分信息中的一部分。通过结构化参数,确定对应的自然语言描述,进而得到prompt的第二部分信息,实现第二部分信息的自动生成,减少人工操作,有效提高prompt的生成效率。
本实施例中,根据日程事件的结构化参数和自然语言描述,确定待生成的提示词的第二部分信息,包括:将日程事件的结构化参数和自然语言描述进行组装,得到待生成的提示词的第二部分信息。
具体的,可以直接将日程事件的结构化参数和自然语言描述进行拼接组装,得到prompt的第二部分信息。可以预设第二部分信息的格式,例如,可以预设结构化参数和自然语言描述的组装顺序,可以将结构化参数放在自然语言描述的下方。第二部分信息可以表示为:
当我输入“小李和小明今天高优写读书笔记“,你需要帮我提取成如下的结构化参数
这样设置的有益效果在于,通过对结构化参数和自然语言描述进行组装,可以快速得到第二部分信息,提高第二部分信息的确定效率。
本实施例中,预设的结构化参数有至少两个,一个结构化参数对应一个日程事件;将日程事件的结构化参数和自然语言描述进行组装,得到待生成的提示词的第二部分信息,包括:确定各日程事件所对应的自然语言描述;根据预设的第一组装规则信息,将日程事件所对应的自然语言描述与日程事件所对应的结构化参数进行组装,得到日程事件的组装结果;根据预设的第二组装规则信息,将各日程事件的组装结果进行组装,得到待生成的提示词的第二部分信息。
具体的,可以预设多个结构化参数,每个结构化参数对应一个日程事件,即,预先设置不同日程事件的举例。对于每个结构化参数,都可以生成对应的自然语言描述。确定各个日程事件所对应的自然语言描述,即确定各个结构化参数所对应的自然语言描述。第二部分信息中可以包括多个结构化参数和多个自然语言描述。预先设置第一组装规则信息,第一组装规则信息用于将日程事件的结构化参数与对应的自然语言描述进行组装,例如,可以结构化参数放在对应的自然语言描述的下方,得到每个日程事件的组装结果。
预先设置第二组装规则信息,第二组装规则信息用于将不同日程事件的组装结果进行组装,得到完整的第二部分信息。例如,可以将各个组装结果进行上下拼接。例如,有两个结构化参数,分别为第一结构化参数和第二结构化参数,第一结构化参数对应的自然语言描述为第一描述,第二结构化参数对应的自然语言描述为第二描述。最终生成的第二部分信息从上至下依次为第一描述、第一结构化参数、第二描述、第二结构化参数。具体的,第二部分信息可以表示为:
当我输入“小李今天高优写笔记“,你需要帮我提取成如下的结构化参数
当我输入“明天小红下午3点低优看电影”你需要帮我提取成如下的结构化参数
这样设置的有益效果在于,第二部分信息中可以包括多个示例,便于大语言模型通过prompt对用户触发的事件进行准确理解,提高大语言模型的理解精度,提升用户的使用体验。
本实施例中,一个结构化参数可以对应有多种表述方式的自然语言描述。若一个结构化参数对应多个自然语言描述,则可以根据该结构化参数和多个自然语言描述,生成prompt的第二部分信息。例如,可以将结构化参数与多个自然语言描述进行组装。本实施例中,对结构化参数和自然语言描述的组装方式不做具体限定。通过将结构化参数与多种自然语言描述进行组装,使大语言模型可以理解用户的不同表述方式,提升用户的使用体验。
S205、根据第一部分信息和第二部分信息,生成日程事件对应的提示词;其中,提示词用于基于大语言模型确定用户所触发的事件之后,调取待调用的应用程序编程接口进行事件响应处理。
示例性地,本步骤可以参见上述步骤S104,不再赘述。
本公开实施例提供了一种应用于大语言模型的提示词的确定方法,根据预设的接口描述语句和prompt模板,可以得到prompt的第一部分信息。对于不同的业务系统,可以生成不同的第一部分信息,实现对不同业务系统的prompt的针对性确定。根据预设的示例性的日程事件的结构化参数,可以生成第二部分信息。将两部分信息组合,得到完整的prompt。实现自动生成prompt,减少人力和时间的投入,降低prompt的确定成本,提高prompt的确定效率,进而加快业务方的接入和大语言模型的使用进程。
图3为本公开实施例提供的一种应用于大语言模型的提示词的确定方法的流程示意图,该实施例是在上述实施例基础上的可选实施例。
本实施例中,该方法还包括:根据日程事件对应的提示词,确定大语言模型对预设的事件的响应结果;其中,大语言模型用于响应用户所触发的事件,输出对用户所触发的事件的响应结果;若确定大语言模型输出的响应结果满足预设的响应要求,则确定将日程事件对应的提示词应用于大语言模型中。
如图3所示,该方法包括以下步骤:
S301、获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;提示词模板为待生成的提示词的部分信息对应的模板;结构化参数为日程事件的参数。
示例性地,本步骤可以参见上述步骤S101,不再赘述。
S302、根据接口描述语句和提示词模板,生成待生成的提示词的第一部分信息。
示例性地,本步骤可以参见上述步骤S102,不再赘述。
S303、根据结构化参数,生成待生成的提示词的第二部分信息。
示例性地,本步骤可以参见上述步骤S103,不再赘述。
S304、根据第一部分信息和第二部分信息,生成日程事件对应的提示词;其中,提示词用于基于大语言模型确定用户所触发的事件之后,调取待调用的应用程序编程接口进行事件响应处理。
示例性地,本步骤可以参见上述步骤S104,不再赘述。
S305、根据日程事件对应的提示词,确定大语言模型对预设的事件的响应结果;其中,大语言模型用于响应用户所触发的事件,输出对用户所触发的事件的响应结果。
示例性地,在得到prompt之后,可以通过prompt对大语言模型进行训练,确定大语言模型是否可以通过prompt为用户进行工作,即,确定所生成的prompt是否可以应用于大语言模型。
设置一个预设的事件,作为待验证事件,将待验证事件以一句自然语言描述进行表示。将该事件的自然语言描述输入至大语言模型中,即,用户向大语言模型进行该事件的触发。大语言模型可以响应用户所触发的事件,输出对用户所触发的事件的响应结果。响应结果可以是大语言模型对用户所输入的自然语言描述进行理解后,所提取出的事件的参数,可以采用预设的数据结构表示事件的参数。
大语言模型在接收预设的事件的自然语言描述后,可以将自然语言描述翻译成API的一个结构化参数的输出。为了保证结构化参数的准确性,大语言模型应用针对API接口的prompt来辅助理解和识别,得到预设的事件的响应结果。本实施例中,对大语言模型的模型结构不做具体限定。
本实施例中,根据日程事件对应的提示词,确定大语言模型对预设的事件的响应结果,包括:基于大语言模型,响应用户触发的日程创建指令;其中,日程创建指令中包括预设的事件的自然语言描述;根据日程事件对应的提示词,确定预设的事件的自然语言描述中的参数,为大语言模型对预设的事件的响应结果。
具体的,用户可以发出日程创建指令,日程创建指令用于指示业务系统创建一个预设的事件的日程。日程创建指令中可以包括预设的事件的自然语言描述。通过大语言模型,接收日程创建指令中预设的事件的自然语言描述。大语言模型响应用户所触发的预设的事件,根据预先生成的prompt,从自然语言描述中确定预设的事件的参数,作为大语言模型对预设的事件的响应结果。可以预设参数的数据结构,即,响应结果可以是预设数据结构的结构化参数。
这样设置的有益效果在于,通过所生成的prompt,对预设的自然语言描述进行参数的确定,便于确定所生成的prompt是否有效,提高prompt的确定精度。
S306、若确定大语言模型输出的响应结果满足预设的响应要求,则确定将日程事件对应的提示词应用于大语言模型中。
示例性地,对于预设的事件,可以预先设置响应要求,例如,可以预设正确的结构化参数,预设的响应要求可以是响应结果与正确的结构化参数一致。在得到大语言模型输出的响应结果后,可以判断响应结果是否满足预设的响应要求。若是,则确定将所生成的日程事件对应的prompt应用于大语言模型中;若否,则确定所生成的日程事件对应的prompt存在错误,不能将该prompt应用于大语言模型中。实现了对prompt的验证和对大语言模型的训练,提高prompt的确定精度,以及大语言模型的使用效果。
本实施例中,确定大语言模型输出的响应结果满足预设的响应要求,包括:确定大语言模型输出的响应结果与预设的响应结果之间的相似度;若相似度大于预设的相似度阈值,则确定大语言模型输出的响应结果满足预设的响应要求。
具体的,对于预设的事件,预先设置正确的响应结果,即正确的结构化参数。响应要求中可以预设有一个相似度阈值,在得到大语言模型所输出的响应结果后,确定输出的响应结果与预设的正确的响应结果之间的相似度。若计算出的相似度大于预设的相似度阈值,则确定大语言模型输出的响应结果满足预设的响应要求,可以将prompt应用于大语言模型;若计算出的相似度不大于预设的相似度阈值,则确定大语言模型输出的响应结果不满足预设的响应要求,不可以将prompt应用于大语言模型。
这样设置的有益效果在于,将大语言模型输出的响应结果与预设的响应结果进行比较,确定大语言模型是否能准确理解用户所触发的事件,避免将错误的prompt应用于大语言模型中,提高prompt的确定精度,进而提高大语言模型的使用效果。
在通过业务系统使用大语言模型时,用户输入的指令可以是待创建的事件的自然语言描述,例如,可以是语音或文字的描述。大语言模型可以通过prompt从自然语言描述中确定事件参数的结构化的形式,即得到事件的结构化参数,便于调用API接口,进行日程的创建。
本公开实施例提供了一种应用于大语言模型的提示词的确定方法,根据预设的接口描述语句和prompt模板,可以得到prompt的第一部分信息。对于不同的业务系统,可以生成不同的第一部分信息,实现对不同业务系统的prompt的针对性确定。根据预设的示例性的日程事件的结构化参数,可以生成第二部分信息。将两部分信息组合,得到完整的prompt。实现自动生成prompt,减少人力和时间的投入,降低prompt的确定成本,提高prompt的确定效率,进而加快业务方的接入和大语言模型的使用进程。
图4为本公开实施例提供的一种应用于大语言模型的提示词的确定装置的结构框图。为了便于说明,仅示出了与本公开实施例相关的部分。参照图4,应用于大语言模型的提示词的确定装置400包括:获取单元401、第一生成单元402、第二生成单元403和提示词生成单元404。
获取单元401,用于获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,所述接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;所述提示词模板为待生成的提示词的部分信息对应的模板;所述结构化参数为日程事件的参数;
第一生成单元402,用于根据所述接口描述语句和所述提示词模板,生成所述待生成的提示词的第一部分信息;
第二生成单元403,用于根据所述结构化参数,生成所述待生成的提示词的第二部分信息;
提示词生成单元404,用于根据所述第一部分信息和所述第二部分信息,生成所述日程事件对应的提示词;其中,所述提示词用于基于大语言模型确定用户所触发的事件之后,调取所述待调用的应用程序编程接口进行事件响应处理。
图5为本公开实施例提供的一种应用于大语言模型的提示词的确定装置的结构框图。如图5所示,应用于大语言模型的提示词的确定装置500包括获取单元501、第一生成单元502、第二生成单元503和提示词生成单元503,其中,第二生成单元503包括语言生成模块5031和信息确定模块5032。
语言生成模块5031,用于根据所述日程事件的结构化参数,生成所述日程事件的自然语言描述;其中,所述日程事件的自然语言描述用于以自然语言对所述日程事件进行描述;
信息确定模块5032,用于根据所述日程事件的结构化参数和所述自然语言描述,确定所述待生成的提示词的第二部分信息。
一个示例中,语言生成模块5031,包括:
参数获取子模块,用于从所述日程事件的结构化参数中,获取所述日程事件的参数;
语言生成子模块,用于根据所述日程事件的参数,生成所述日程事件的自然语言描述。
一个示例中,语言生成子模块,包括:
参数缓存次模块,用于将所述日程事件的参数缓存在预设的参数列表中;其中,所述参数列表中的一行表示一个日程事件,一列表示一种参数;
参数组装次模块,用于根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到所述日程事件的自然语言描述。
一个示例中,参数组装次模块,具体用于:
根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到初始语言描述;其中,所述初始语言描述用于表示含有所述日程事件的参数的自然语言;根据预设的语言生成模型,对所述初始语言描述进行改写和扩展处理,得到所述日程事件的自然语言描述;其中,所述语言生成模型用于改变初始语言描述的表述方式。
一个示例中,参数获取子模块,具体用于:
从所述日程事件的结构化参数中,获取预设参数种类的参数,为所述日程事件的参数。
一个示例中,信息确定模块5032,包括:
信息组装子模块,用于将所述日程事件的结构化参数和所述自然语言描述进行组装,得到所述待生成的提示词的第二部分信息。
一个示例中,预设的结构化参数有至少两个,一个结构化参数对应一个日程事件;
信息组装子模块,具体用于:
确定各日程事件所对应的自然语言描述;根据预设的第一组装规则信息,将所述日程事件所对应的自然语言描述与所述日程事件所对应的结构化参数进行组装,得到所述日程事件的组装结果;根据预设的第二组装规则信息,将各日程事件的组装结果进行组装,得到所述待生成的提示词的第二部分信息。
一个示例中,第一生成单元502,包括:
参数信息获取模块,用于从所述接口描述语句中,获取调用所述待调用的应用程序编程接口时所需的日程事件的参数信息;
参数信息添加模块,用于将所述调用所述待调用的应用程序编程接口时所需的日程事件的参数信息,添加至所述提示词模板中的预设位置处,得到所述待生成的提示词的第一部分信息。
一个示例中,提示词生成单元504,具体用于:
将所述第一部分信息和所述第二部分信息进行组装,得到所述日程事件对应的提示词。
一个示例中,该装置还包括:
结果输出单元,用于根据所述日程事件对应的提示词,确定所述大语言模型对预设的事件的响应结果;其中,所述大语言模型用于响应用户所触发的事件,输出对用户所触发的事件的响应结果;
结果比较单元,用于若确定所述大语言模型输出的响应结果满足预设的响应要求,则确定将所述日程事件对应的提示词应用于所述大语言模型中。
一个示例中,结果比较单元,包括:
相似度确定模块,用于确定所述大语言模型输出的响应结果与预设的响应结果之间的相似度;
相似度比较模块,用于若所述相似度大于预设的相似度阈值,则确定所述大语言模型输出的响应结果满足预设的响应要求。
一个示例中,结果输出单元,包括:
指令响应模块,用于基于所述大语言模型,响应用户触发的日程创建指令;其中,所述日程创建指令中包括所述预设的事件的自然语言描述;
结果确定模块,用于根据所述日程事件对应的提示词,确定所述预设的事件的自然语言描述中的参数,为所述大语言模型对预设的事件的响应结果。
图6为本公开实施例提供的一种电子设备的结构框图,如图6所示,电子设备600包括:至少一个处理器602;以及与所述至少一个处理器602通信连接的存储器601;其中,存储器存储有可被所述至少一个处理器602执行的指令,所述指令被所述至少一个处理器602执行,以使所述至少一个处理器602能够执行本公开的应用于大语言模型的提示词的确定方法。
电子设备600还包括接收器603和发送器604。接收器603用于接收其他设备发送的指令和数据,发送器604用于向外部设备发送指令和数据。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如应用于大语言模型的提示词的确定方法。例如,在一些实施例中,应用于大语言模型的提示词的确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的应用于大语言模型的提示词的确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行应用于大语言模型的提示词的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (29)
1.一种应用于大语言模型的提示词的确定方法,包括:
获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,所述接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;所述提示词模板为待生成的提示词的部分信息对应的模板;所述结构化参数为日程事件的参数;
根据所述接口描述语句和所述提示词模板,生成所述待生成的提示词的第一部分信息;
根据所述结构化参数,生成所述待生成的提示词的第二部分信息;
根据所述第一部分信息和所述第二部分信息,生成所述日程事件对应的提示词;其中,所述提示词用于基于大语言模型确定用户所触发的事件之后,调取所述待调用的应用程序编程接口进行事件响应处理。
2.根据权利要求1所述的方法,其中,所述根据所述结构化参数,生成所述待生成的提示词的第二部分信息,包括:
根据所述日程事件的结构化参数,生成所述日程事件的自然语言描述;其中,所述日程事件的自然语言描述用于以自然语言对所述日程事件进行描述;
根据所述日程事件的结构化参数和所述自然语言描述,确定所述待生成的提示词的第二部分信息。
3.根据权利要求2所述的方法,其中,所述根据所述日程事件的结构化参数,生成所述日程事件的自然语言描述,包括:
从所述日程事件的结构化参数中,获取所述日程事件的参数;
根据所述日程事件的参数,生成所述日程事件的自然语言描述。
4.根据权利要求3所述的方法,其中,所述根据所述日程事件的参数,生成所述日程事件的自然语言描述,包括:
将所述日程事件的参数缓存在预设的参数列表中;其中,所述参数列表中的一行表示一个日程事件,一列表示一种参数;
根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到所述日程事件的自然语言描述。
5.根据权利要求4所述的方法,其中,所述根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到所述日程事件的自然语言描述,包括:
根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到初始语言描述;其中,所述初始语言描述用于表示含有所述日程事件的参数的自然语言;
根据预设的语言生成模型,对所述初始语言描述进行改写和扩展处理,得到所述日程事件的自然语言描述;其中,所述语言生成模型用于改变初始语言描述的表述方式。
6.根据权利要求3所述的方法,其中,所述从所述日程事件的结构化参数中,获取所述日程事件的参数,包括:
从所述日程事件的结构化参数中,获取预设参数种类的参数,为所述日程事件的参数。
7.根据权利要求2-6中任一项所述的方法,其中,所述根据所述日程事件的结构化参数和所述自然语言描述,确定所述待生成的提示词的第二部分信息,包括:
将所述日程事件的结构化参数和所述自然语言描述进行组装,得到所述待生成的提示词的第二部分信息。
8.根据权利要求7所述的方法,其中,预设的结构化参数有至少两个,一个结构化参数对应一个日程事件;
所述将所述日程事件的结构化参数和所述自然语言描述进行组装,得到所述待生成的提示词的第二部分信息,包括:
确定各日程事件所对应的自然语言描述;
根据预设的第一组装规则信息,将所述日程事件所对应的自然语言描述与所述日程事件所对应的结构化参数进行组装,得到所述日程事件的组装结果;
根据预设的第二组装规则信息,将各日程事件的组装结果进行组装,得到所述待生成的提示词的第二部分信息。
9.根据权利要求1-8中任一项所述的方法,其中,所述根据所述接口描述语句和所述提示词模板,生成所述待生成的提示词的第一部分信息,包括:
从所述接口描述语句中,获取调用所述待调用的应用程序编程接口时所需的日程事件的参数信息;
将所述调用所述待调用的应用程序编程接口时所需的日程事件的参数信息,添加至所述提示词模板中的预设位置处,得到所述待生成的提示词的第一部分信息。
10.根据权利要求1-9中任一项所述的方法,其中,所述根据所述第一部分信息和所述第二部分信息,生成所述日程事件对应的提示词,包括:
将所述第一部分信息和所述第二部分信息进行组装,得到所述日程事件对应的提示词。
11.根据权利要求1-10中任一项所述的方法,还包括:
根据所述日程事件对应的提示词,确定所述大语言模型对预设的事件的响应结果;其中,所述大语言模型用于响应用户所触发的事件,输出对用户所触发的事件的响应结果;
若确定所述大语言模型输出的响应结果满足预设的响应要求,则确定将所述日程事件对应的提示词应用于所述大语言模型中。
12.根据权利要求11所述的方法,其中,所述确定所述大语言模型输出的响应结果满足预设的响应要求,包括:
确定所述大语言模型输出的响应结果与预设的响应结果之间的相似度;
若所述相似度大于预设的相似度阈值,则确定所述大语言模型输出的响应结果满足预设的响应要求。
13.根据权利要求11所述的方法,其中,所述根据所述日程事件对应的提示词,确定所述大语言模型对预设的事件的响应结果,包括:
基于所述大语言模型,响应用户触发的日程创建指令;其中,所述日程创建指令中包括所述预设的事件的自然语言描述;
根据所述日程事件对应的提示词,确定所述预设的事件的自然语言描述中的参数,为所述大语言模型对预设的事件的响应结果。
14.一种应用于大语言模型的提示词的确定装置,包括:
获取单元,用于获取预设的接口描述语句、提示词模板、以及日程事件的结构化参数;其中,所述接口描述语句表示调用待调用的应用程序编程接口时所需的日程事件的参数信息;所述提示词模板为待生成的提示词的部分信息对应的模板;所述结构化参数为日程事件的参数;
第一生成单元,用于根据所述接口描述语句和所述提示词模板,生成所述待生成的提示词的第一部分信息;
第二生成单元,用于根据所述结构化参数,生成所述待生成的提示词的第二部分信息;
提示词生成单元,用于根据所述第一部分信息和所述第二部分信息,生成所述日程事件对应的提示词;其中,所述提示词用于基于大语言模型确定用户所触发的事件之后,调取所述待调用的应用程序编程接口进行事件响应处理。
15.根据权利要求14所述的装置,其中,所述第二生成单元,包括:
语言生成模块,用于根据所述日程事件的结构化参数,生成所述日程事件的自然语言描述;其中,所述日程事件的自然语言描述用于以自然语言对所述日程事件进行描述;
信息确定模块,用于根据所述日程事件的结构化参数和所述自然语言描述,确定所述待生成的提示词的第二部分信息。
16.根据权利要求15所述的装置,其中,所述语言生成模块,包括:
参数获取子模块,用于从所述日程事件的结构化参数中,获取所述日程事件的参数;
语言生成子模块,用于根据所述日程事件的参数,生成所述日程事件的自然语言描述。
17.根据权利要求16所述的装置,其中,所述语言生成子模块,包括:
参数缓存次模块,用于将所述日程事件的参数缓存在预设的参数列表中;其中,所述参数列表中的一行表示一个日程事件,一列表示一种参数;
参数组装次模块,用于根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到所述日程事件的自然语言描述。
18.根据权利要求17所述的装置,其中,所述参数组装次模块,具体用于:
根据预设的自然语言格式,对所述参数列表中所述日程事件的参数进行组装,得到初始语言描述;其中,所述初始语言描述用于表示含有所述日程事件的参数的自然语言;根据预设的语言生成模型,对所述初始语言描述进行改写和扩展处理,得到所述日程事件的自然语言描述;其中,所述语言生成模型用于改变初始语言描述的表述方式。
19.根据权利要求16所述的装置,其中,所述参数获取子模块,具体用于:
从所述日程事件的结构化参数中,获取预设参数种类的参数,为所述日程事件的参数。
20.根据权利要求15-19中任一项所述的装置,其中,所述信息确定模块,包括:
信息组装子模块,用于将所述日程事件的结构化参数和所述自然语言描述进行组装,得到所述待生成的提示词的第二部分信息。
21.根据权利要求20所述的装置,其中,预设的结构化参数有至少两个,一个结构化参数对应一个日程事件;
所述信息组装子模块,具体用于:
确定各日程事件所对应的自然语言描述;根据预设的第一组装规则信息,将所述日程事件所对应的自然语言描述与所述日程事件所对应的结构化参数进行组装,得到所述日程事件的组装结果;根据预设的第二组装规则信息,将各日程事件的组装结果进行组装,得到所述待生成的提示词的第二部分信息。
22.根据权利要求14-21中任一项所述的装置,其中,所述第一生成单元,包括:
参数信息获取模块,用于从所述接口描述语句中,获取调用所述待调用的应用程序编程接口时所需的日程事件的参数信息;
参数信息添加模块,用于将所述调用所述待调用的应用程序编程接口时所需的日程事件的参数信息,添加至所述提示词模板中的预设位置处,得到所述待生成的提示词的第一部分信息。
23.根据权利要求14-22中任一项所述的装置,其中,所述提示词生成单元,具体用于:
将所述第一部分信息和所述第二部分信息进行组装,得到所述日程事件对应的提示词。
24.根据权利要求14-23中任一项所述的装置,还包括:
结果输出单元,用于根据所述日程事件对应的提示词,确定所述大语言模型对预设的事件的响应结果;其中,所述大语言模型用于响应用户所触发的事件,输出对用户所触发的事件的响应结果;
结果比较单元,用于若确定所述大语言模型输出的响应结果满足预设的响应要求,则确定将所述日程事件对应的提示词应用于所述大语言模型中。
25.根据权利要求24所述的装置,其中,所述结果比较单元,包括:
相似度确定模块,用于确定所述大语言模型输出的响应结果与预设的响应结果之间的相似度;
相似度比较模块,用于若所述相似度大于预设的相似度阈值,则确定所述大语言模型输出的响应结果满足预设的响应要求。
26.根据权利要求24所述的装置,其中,所述结果输出单元,包括:
指令响应模块,用于基于所述大语言模型,响应用户触发的日程创建指令;其中,所述日程创建指令中包括所述预设的事件的自然语言描述;
结果确定模块,用于根据所述日程事件对应的提示词,确定所述预设的事件的自然语言描述中的参数,为所述大语言模型对预设的事件的响应结果。
27.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-13中任一项所述的方法。
28.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-13中任一项所述的方法。
29.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-13中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310850333.2A CN116955557A (zh) | 2023-07-11 | 2023-07-11 | 应用于大语言模型的提示词确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310850333.2A CN116955557A (zh) | 2023-07-11 | 2023-07-11 | 应用于大语言模型的提示词确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116955557A true CN116955557A (zh) | 2023-10-27 |
Family
ID=88461272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310850333.2A Pending CN116955557A (zh) | 2023-07-11 | 2023-07-11 | 应用于大语言模型的提示词确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116955557A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117827804A (zh) * | 2024-02-22 | 2024-04-05 | 北京仁科互动网络技术有限公司 | 线索生成方法、装置、设备和存储介质 |
-
2023
- 2023-07-11 CN CN202310850333.2A patent/CN116955557A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117827804A (zh) * | 2024-02-22 | 2024-04-05 | 北京仁科互动网络技术有限公司 | 线索生成方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10503470B2 (en) | Method for user training of information dialogue system | |
US9875235B1 (en) | Process flow diagramming based on natural language processing | |
CN112926306B (zh) | 文本纠错方法、装置、设备以及存储介质 | |
KR102429407B1 (ko) | 사용자 구성의 맞춤형 인터렉티브 대화 애플리케이션 | |
US20230252354A1 (en) | Method for pre-training language model | |
US11676607B2 (en) | Contextual denormalization for automatic speech recognition | |
CN116955557A (zh) | 应用于大语言模型的提示词确定方法、装置、设备及介质 | |
CN110633959A (zh) | 基于图结构的审批任务创建方法、装置、设备及介质 | |
EP3961433A2 (en) | Data annotation method and apparatus, electronic device and storage medium | |
US20230351098A1 (en) | Custom display post processing in speech recognition | |
EP4254256A1 (en) | Spoken language processing method and apparatus, electronic device, and storage medium | |
CN113792558B (zh) | 基于机器翻译和译后编辑的自学习翻译方法及装置 | |
US20220129423A1 (en) | Method for annotating data, related apparatus and computer program product | |
JP2022088586A (ja) | 音声認識方法、音声認識装置、電子機器、記憶媒体コンピュータプログラム製品及びコンピュータプログラム | |
CN112541346A (zh) | 摘要生成方法、装置、电子设备及可读存储介质 | |
CN110895924B (zh) | 一种文档内容朗读方法、装置、电子设备及可读存储介质 | |
Zaguia et al. | Using multimodal fusion in accessing web services | |
CN113438428B (zh) | 用于视频自动化生成的方法、装置、设备和计算机可读存储介质 | |
US20240153485A1 (en) | Systems and methods for machine-learning based multi-lingual pronunciation generation | |
CN113705206B (zh) | 情感预测模型的训练方法、装置、设备及存储介质 | |
US11545150B2 (en) | Dialog device, dialog method, data structure, and program | |
CN116384360A (zh) | 任务处理方法、装置、电子设备和计算机可读存储介质 | |
CN117806622A (zh) | 应用程序的生成方法、装置、电子设备和存储介质 | |
CN117574868A (zh) | 图表生成方法、装置、设备和存储介质 | |
CN116976301A (zh) | 电子表单的生成方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |