问题分类
Last updated
Last updated
通过定义分类描述,问题分类器能够根据用户输入,使用 LLM 推理与之相匹配的分类并输出分类结果,向下游节点提供更加精确的信息。
常见的使用情景包括客服对话意图分类、产品评价分类、邮件批量分类等。
在一个典型的产品客服问答场景中,问题分类器可以作为知识库检索的前置步骤,对用户输入问题意图进行分类处理,分类后导向下游不同的知识库查询相关的内容,以精确回复用户的问题。
下图为产品客服场景的示例工作流模板:
在该场景中我们设置了 3 个分类标签/描述:
分类 1 :与售后相关的问题
分类 2:与产品操作使用相关的问题
分类 3 :其他问题
当用户输入不同的问题时,问题分类器会根据已设置的分类标签 / 描述自动完成分类:
“iPhone 14 如何设置通讯录联系人?” —> “与产品操作使用相关的问题”
“保修期限是多久?” —> “与售后相关的问题”
“今天天气怎么样?” —> “其他问题”
配置步骤:
选择输入变量,指用于分类的输入内容,支持输入文件变量。客服问答场景下一般为用户输入的问题 sys.query
;
选择推理模型,问题分类器基于大语言模型的自然语言分类和推理能力,选择合适的模型将有助于提升分类效果;
编写分类标签/描述,你可以手动添加多个分类,通过编写分类的关键词或者描述语句,让大语言模型更好的理解分类依据。
**选择分类对应的下游节点,**问题分类节点完成分类之后,可以根据分类与下游节点的关系选择后续的流程路径。
**指令:**你可以在 高级设置-指令 里补充附加指令,比如更丰富的分类依据,以增强问题分类器的分类能力。
**记忆:**开启记忆后问题分类器的每次输入将包含对话中的聊天历史,以帮助 LLM 理解上文,提高对话交互中的问题理解能力。
**图片分析:**仅适用于具备图片识别能力的 LLM,允许输入图片变量。
**记忆窗口:**记忆窗口关闭时,系统会根据模型上下文窗口动态过滤聊天历史的传递数量;打开时用户可以精确控制聊天历史的传递数量(对数)。
输出变量:
class_name
即分类之后输出的分类名。你可以在下游节点需要时使用分类结果变量。