1. 정의 #
분류 설명을 정의함으로써 문제 분류기는 사용자 입력을 해당 범주에 추론하고 일치시켜 분류 결과를 출력할 수 있습니다.
2. 시나리오 #
일반적인 사용 사례로는 고객 서비스 대화 의도 분류, 제품 리뷰 분류, 대량 이메일 분류 등이 있습니다 .일반적인 제품 고객 서비스 Q&A 시나리오에서 문제 분류기는 지식 기반 검색 전 예비 단계 역할을 할 수 있습니다. 사용자의 입력 질문을 분류하여 다양한 하위 지식 기반 쿼리로 연결하여 사용자 질문에 정확하게 답변할 수 있도록 합니다.다음 다이어그램은 제품 고객 서비스 시나리오에 대한 워크플로 템플릿의 예입니다.
이 시나리오에서는 세 가지 분류 라벨/설명을 설정합니다.
- 카테고리 1: 애프터서비스 관련 질문
- 카테고리 2: 제품 사용 관련 질문
- 카테고리 3: 기타 질문
사용자가 다양한 질문을 입력하면 문제 분류기는 설정된 분류 라벨/설명에 따라 자동으로 질문을 분류합니다.
- “ 아이폰 14 연락처 설정은 어떻게 하나요? ” —> “ 제품 사용 관련 문의 ”
- “ 보증 기간은 어떻게 되나요? ” —> “ 애프터서비스 관련 문의 ”
- “ 오늘 날씨는 어때요? ” —> “ 기타 질문 ”
3. 구성 방법 #
구성 단계:
- 입력 변수 선택 : 이는 분류될 콘텐츠를 의미하며, 일반적으로 고객 서비스 Q&A 시나리오에서의 사용자 질문입니다. 예:
sys.query. - 추론 모델 선택 : 문제 분류기는 대규모 언어 모델의 자연어 분류 및 추론 기능을 활용합니다. 적절한 모델을 선택하면 분류 효율성을 높일 수 있습니다.
- 분류 라벨/설명 작성 : 각 카테고리에 대해 키워드나 설명적 문장을 작성하여 여러 분류를 수동으로 추가할 수 있으며, 이를 통해 대규모 언어 모델이 분류 기준을 더 잘 이해하는 데 도움이 됩니다.
- 해당 다운스트림 노드 선택 : 분류 후, 문제 분류 노드는 분류 노드와 다운스트림 노드 간의 관계에 따라 흐름을 다른 경로로 지시할 수 있습니다.
고급 설정: #
지침 : 고급 설정 – 지침 에서 분류기의 기능을 향상시키기 위해 더 자세한 분류 기준 등의 보충 지침을 추가할 수 있습니다.메모리 : 이 기능을 활성화하면 문제 분류기의 각 입력에 대화의 채팅 기록이 포함되어 LLM이 맥락을 이해하고 대화형 대화에서 질문 이해도를 향상시키는 데 도움이 됩니다.메모리 창 : 메모리 창이 닫히면 시스템은 모델의 컨텍스트 창에 따라 전달되는 채팅 기록의 양을 동적으로 필터링합니다. 창이 열려 있으면 사용자는 전달되는 채팅 기록의 양(숫자 기준)을 정확하게 제어할 수 있습니다.출력 변수 :class_name분류 출력 레이블을 저장합니다. 필요한 경우 다운스트림 노드에서 이 분류 결과를 참조할 수 있습니다.
