问题生成 ❔

基于实体的问题生成

问题生成方法结合了知识图谱中的结构化数据和输入文档中的非结构化数据，以生成与特定实体相关的候选问题。

方法论

给定一个用户先前问题的列表，问题生成方法使用与本地搜索中相同的上下文构建方法，提取并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，这些数据记录被整合到一个LLM提示中，以生成代表数据中最重要或最紧急信息内容或主题的候选后续问题。

配置

下面是问题生成类的关键参数

• llm: 用于生成响应的OpenAI模型对象
• context_builder：用于从知识模型对象集合准备上下文数据的上下文构建器对象，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。默认模板可在system_prompt中找到。
• llm_params：要传递给LLM调用的附加参数（例如，温度、最大token数）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

问题生成功能的示例可在以下笔记本中找到。