LLMS tidak terlalu baik dalam analisis kuantitatif. Misalnya, ketika saya bertanya kepada ChatGPT: “Angka apa yang lebih besar, 9.9 atau 9.11?” Dia menjawab dengan 9.11.

Dalam contoh lain, saya memiliki file Excel yang berisi sejumlah besar data kuantitatif. Jumlah kata maksimum untuk satu undangan yang dapat dikelola chatgpt adalah sekitar 4.000 kata (sekitar 16.000 karakter). Jika saya mencoba mempertanyakan data ini, itu mungkin tidak berlaku di jendela konteks.

Saya dapat menyimpan file di sumber data dan membentuk chatgpt untuk menggunakan sumber data ini untuk permintaan pengguna (periksa Item ini Jika Anda ingin belajar membentuk chatppt pada data pribadi). Namun, karena file tersebut berisi data kuantitatif, saya dapat menerima tanggapan yang salah untuk permintaan kompleks.

Bagaimana cara menyelesaikan masalah seperti itu? Jawabannya mungkin melibatkan kombinasi analisis data menggunakan Python dan LLMS.

Biarkan kami membantu chatgpt untuk memberikan jawaban yang benar untuk “9.9 atau 9.11, angka mana yang lebih besar”.

Panduan Langkah demi Langkah

Menghubungkan dan klik Buat proyek.

Berikan nama untuk proyek; Di sini saya menamainya Llm_pythondan mengklik Membuat.

Sekarang saatnya untuk menggunakan llm seperti chatgpt. Klik Model + titik akhir.

Klik Menggunakan model dasar.

Pilih LLM pilihan Anda. Saya memilih GTP-4-Mini. Kemudian klik Mengonfirmasi.

Klik Menyebarkan. Langkah ini melengkapi penyebaran LLM, yaitu GPT-4-Min Dalam contoh ini.

Klik Mengalir.

Klik + Buat.

Klik Buat Aliran Standar.

Tunggu beberapa menit karena kecepatan baru membutuhkan sedikit waktu untuk menyebar. Memberi A Nama file (Saya memberikannya Codefolder) Kemudian klik Membuat.

Prompt sudah siap sekarang. Untuk menyesuaikan pemrograman, klik tombol Hapus di bawah lingkaran merah.

Klik + Tambahkan input.

Saya memilih Pertanyaan Untuk Nama Entri Dan 9.9 atau 9.11 Angka berapa yang lebih besar? Untuk Nilai. Pada dasarnya, ini adalah pertanyaan pengguna untuk Cat-4o-min (LLM).

Sekarang klik + Llm Dan memberikan nama node, saya memberi nama node FirstllMcall Dan mengklik Menambahkan.

Pilih nilai yang disorot sesuai dengan proyek Anda dan berikan instruksi LLM untuk apa yang Anda inginkan. Saya ingin LLM mengekstrak dua angka dari input pengguna. Inilah instruksi untuk gpt-40-mini (Llm):

#sistem::

Anda adalah asisten yang membantu.

#pengguna::

Ekstrak dua angka dari pertanyaan berikut: “{{User_Query}}”.

Kembalikan hanya objek JSON yang valid tanpa pemformatan atau penjelasan tambahan.

Pastikan itu terstruktur dengan benar seperti ini:

{
  "num1": 19.9,
  "num2": 19.11
}

Klik Mulai sesi perhitungan. Ini akan memakan waktu sekitar 10 menit untuk menyelesaikannya.

Sekali Mulai sesi perhitungan modifikasi Hitung sesi yang sedang berlangsung,, Klik Validasi dan analisis entri.

Memilih $ {input. Pertanyaan} Sejak Nilai kotak. Ini menyimpan input pengguna dan mengirimkannya ke LLM.

Klik + Python Untuk menulis kode untuk mendapatkan nilai yang lebih besar dari angka yang disediakan oleh pengguna.

Berikan nama simpul untuk Python; Saya memberikannya Kode Python. Kemudian klik Menambahkan.

Salin dan rekatkan kode Python di bawah ini di Kode Python cepat:

import json
from promptflow import tool
@tool
def find_max_number(input_json: str) -> str:
    """
    This function takes a JSON string with two numbers,
    finds the maximum, and returns the result as a JSON string.
    """
    # Read extracted numbers from the previous ChatGPT output
    input_data = json.loads(input_json)
    num1 = float(input_data["num1"])
    num2 = float(input_data["num2"])

    # Find the maximum number
    max_number = max(num1, num2)

    # Return the result in JSON format
    output_json = json.dumps({"num1": num1, "num2": num2, "max_number": max_number})
    return output_json

Klik Validasi dan analisis entri.

Sekarang pilih $ Firstput nilainya.

Kami membutuhkan instance LLM lain untuk memberikan jawaban atas pertanyaan pengguna sesuai dengan output kode Python di atas. Klik Llm untuk melanjutkan.

Saya memberikan nama ke node Menjawab Dan mengklik Menambahkan.

Pilih nilai untuk Menjawab.

Tulis kode di Menjawab dan klik Validasi dan analisis entri.

#sistem::

Anda adalah asisten yang membantu.

# pengguna::

Angka yang diekstraksi adalah {{num1}} dan {{num2}}. Angka terbesar adalah {{max_number}}.

Berikan jawaban Anda hanya dalam 1 baris.

Pilih entri untuk Menjawab.

Klik + Tambahkan outputkarena pengguna akan disediakan Menjawab.

Dalam nilai respons, pilih $ {Menjawab.

Anda akan menemukan di bawah aliran permintaan:

Klik Untuk melindungi kemudian Berlari.

Sekarang klik Tamasya tamasya Untuk memverifikasi apa jawaban untuk pertanyaan pengguna.

Kami mendapat jawaban yang tepat kali ini.

Ringkasan

Ketika kami mengajukan pertanyaan: “9.9 atau 9.11, nomor mana yang lebih besar? Jawabannya adalah 9.11. Ini menunjukkan bahwa chatgpt belum dapat memberikan jawaban yang tepat untuk data kuantitatif, tetapi dengan bantuan Python, chatgpt memberikan jawaban yang tepat, jadi dalam situasi seperti itu, lebih baik menggunakan Python dengan LLM.