Skip to main content
Version: DEV

分类组件

该组件用于对用户输入进行分类并相应地应用策略。

Categorize 组件通常是 Interact 组件的下游。

场景​

当您需要LLM帮助识别用户意图并应用适当的处理策略时，分类组件是必不可少的。

配置​

输入​

Categorize 组件依赖于输入变量来指定其数据输入（查询）。在Input部分点击+ 添加变量以添加所需的输入变量。输入变量有两种类型：Reference 和 Text。

  • 参考: 使用组件的输出或用户输入作为数据源。您需要从下拉菜单中选择：
    • 在组件输出下的组件ID，或
    • 在开始输入下的全局变量，该变量在开始组件中定义。
  • 文本: 使用固定文本作为查询。您需要输入静态文本。

模型​

点击Model的下拉菜单以显示模型配置窗口。

  • Model: 使用的聊天模型。
    • 确保在Model providers页面上正确设置了聊天模型。
    • 您可以为不同的组件使用不同的模型，以增加灵活性或提高整体性能。
  • 自由度: 一个快捷方式，用于设置温度、Top P、存在惩罚和频率惩罚，表示模型的自由度水平。
    此参数有三个选项：
    • 即兴: 产生更具创意的响应。
    • 精确: (默认) 产生更保守的响应。
    • 平衡: 介于即兴和精确之间的中间地带。
  • 温度: 模型输出的随机性水平。
    默认值为0.1。
    • 较低的值会导致更确定和可预测的输出。
    • 较高的值会导致更具创造性和多样化的输出。
    • 温度为零时，相同的提示会产生相同的输出。
  • Top P: 核心采样。
    • 通过设置阈值P并将采样限制在累积概率超过P的标记上，减少生成重复或不自然文本的可能性。
    • 默认值为0.3。
  • Presence penalty: 鼓励模型在响应中包含更多样化的标记。
    • 较高的presence penalty值会使模型更有可能生成尚未包含在生成文本中的标记。
    • 默认值为0.4。
  • 频率惩罚: 阻止模型在生成的文本中过于频繁地重复相同的单词或短语。
    • 较高的频率惩罚值会使模型在使用重复标记时更加保守。
    • 默认值为0.7。
  • 最大令牌数: 设置模型输出的最大长度，以令牌数量衡量。
    • 默认值为512。
    • 如果禁用，您将取消最大令牌限制，允许模型决定其响应中的令牌数量。
NOTE
  • 不必对所有组件都坚持使用相同的模型。如果某个特定模型在特定任务上表现不佳，考虑使用不同的模型。
  • 如果您不确定Temperature、Top P、Presence penalty和Frequency penalty背后的机制，您可以直接选择Freedom的三个选项之一。

消息窗口大小​

一个整数，指定要输入到LLM中的先前对话轮数。例如，如果设置为12，则最后12轮对话的标记将被输入到LLM中。此功能会消耗额外的标记。

默认为1。

IMPORTANT

此功能仅用于多轮对话。如果您的Categorize组件不是多轮对话的一部分（即，它不在循环中），请保持此字段不变。

分类名称​

一个分类组件必须至少有两个类别。此字段设置类别的名称。点击+ 添加项目以包含所需的类别。

NOTE

您会注意到类别名称是自动填充的。不用担心。每个类别在创建时都会被分配一个随机名称。您可以随意将其更改为LLM可以理解的名称。

描述​

此类别的描述。

您可以输入可能帮助LLM确定哪些输入属于此类别的标准、情况或信息。

示例​

可能有助于LLM确定哪些输入属于此类别的其他示例。

IMPORTANT

如果你想让人工智能模型将特定案例分类到这一类别，示例比描述更有帮助。

至​

指定此类别的下游组件。

  • 一旦你指定了下游组件的ID，就会在此类别和相应组件之间建立链接。
  • 如果您手动将此类别链接到画布上的下游组件，该组件的ID将自动填充。

示例​

您可以探索我们的客户服务代理模板，其中Categorize组件（组件ID：Question Categorize）定义了四个类别，并从Interact组件（组件ID：Interface）接收数据输入：

  1. 点击页面顶部中央的Agent标签以访问Agent页面。
  2. 点击页面右上角的+ 创建代理以打开代理模板页面。
  3. 在代理模板页面上，将鼠标悬停在解释器卡片上，然后点击使用此模板。
  4. 为你的新代理命名，然后点击确定进入工作流编辑器。