烹饪书¶

欢迎来到我们的烹饪书集合，展示结构化输出在AI应用中的强大功能。这些示例展示了如何有效地使用instructor与各种模型和API来解决现实世界的问题。

快速链接¶

基于枚举的分类: 使用Python枚举和AI模型实现结构化分类。
AI自我评估与纠正: 探索AI模型评估和改进自身输出的技术。
Efficient Batch Classification: 同时处理多个项目以提高性能。
精准引用提取: 使用人工智能准确提取和格式化文本中的引用。
Search Query Segmentation: 将复杂的搜索查询分解为结构化的组件，以便更好地理解。
动态知识图谱生成: 使用人工智能创建信息关系的视觉表示。
复杂查询分解: 将复杂的查询分解为可管理的子任务，以便进行彻底分析。
实体提取与解析: 识别和消歧义文本中的命名实体。
PII Sanitization：从文本数据中检测并编辑敏感个人信息。
行动项提取: 从会议记录中生成结构化的任务列表和关系。
OpenAI内容审核集成: 使用OpenAI的审核API实现内容过滤。
使用GPT-Vision进行表格提取: 利用AI视觉能力将基于图像的表格转换为结构化数据。
基于图像的AI驱动广告文案生成: 根据视觉内容创建引人注目的广告文本。
与Ollama集成的本地AI: 利用开源语言模型进行设备端处理。
Database Integration with SQLModel: 无缝存储AI生成的响应在SQL数据库中。
LLM-Based Document Segmentation: 智能地将长文档划分为有意义的部分。
使用OpenAI的批量API进行成本优化: 通过高效处理多个请求来降低API成本。
Groq Cloud API Integration: 利用Groq高性能的AI推理平台。
使用Mistral和Mixtral模型: 在您的项目中实现最先进的开源语言模型。
Multi-Modal AI with Gemini: 同时处理和分析文本、图像及其他数据类型。
IBM watsonx.ai Integration: 利用IBM的企业AI平台进行高级语言处理任务。
使用GPT-4视觉进行收据信息提取: 使用先进的人工智能视觉能力从收据图像中提取结构化数据。
使用GPT-4 Vision提取幻灯片内容: 将演示文稿幻灯片图像转换为结构化、可分析的文本数据。
少样本学习与示例: 通过在提示中提供上下文示例来提高AI模型性能。
Local Classification without API: 在本地执行文本分类任务，无需依赖外部 API 调用。
行动项提取: 从文本内容中提取结构化的行动项和任务。
Batch Classification with LangSmith: 使用LangSmith集成高效地批量分类内容。
联系信息提取: 从非结构化文本中提取结构化的联系详情。
知识图谱构建: 从文本数据创建和操作知识图谱。
多分类任务: 同时处理多个分类类别。
Pandas DataFrame Integration: 使用Pandas DataFrames处理结构化数据。
部分响应流: 流式传输实时处理的部分结果。
单类分类任务: 实现聚焦的单类别分类。
图像中的表格提取: 将视觉表格转换为结构化数据格式。
YouTube Clip Analysis: 从YouTube视频片段中提取和分析信息。

如果您想获取新功能的更新以及如何使用Instructor的提示，您可以在下面订阅我们的新闻通讯，以便在我们发布新内容时收到通知。