问题生成 ❔

基于实体的问题生成

问题生成方法将来自知识图的结构化数据与来自输入文档的非结构化数据相结合，以生成与特定实体相关的候选问题。

方法论

给定先前用户问题的列表，问题生成方法使用与本地搜索中使用的相同上下文构建方法来提取和优先处理相关的结构化和非结构化数据，包括实体、关系、协变量、社区报告和原始文本块。然后将这些数据记录拟合到单个 LLM 提示中，以生成候选后续问题，这些问题代表数据中最重要的或最紧急的信息内容或主题。

配置

以下是Question Generation 类的关键参数

• llm：用于响应生成的 OpenAI 模型对象
• context_builder：上下文构建器对象，用于准备来自知识模型对象集合的上下文数据，使用与本地搜索中相同的上下文构建器类
• system_prompt：用于生成候选问题的提示模板。 默认模板可以在system_prompt找到
• llm_params：要传递给 LLM 调用的附加参数（例如，温度、max_tokens）的字典
• context_builder_params：在为问题生成提示构建上下文时要传递给context_builder对象的附加参数的字典
• callbacks：可选的回调函数，可用于为 LLM 的完成流事件提供自定义事件处理程序

如何使用

问题生成函数的一个例子可以在以下notebook中找到。