跳到主要内容

Categorize 组件 (Categorize Component)

该组件用于对用户输入进行分类，并据此应用相应的处理策略。

Categorize (分类) 组件通常是 Interact (交互/Await response) 组件的下游。

适用场景 (Scenarios)

当您需要大语言模型 (LLM) 协助您识别用户意图并采用适当的处理策略时，Categorize 组件是必不可少的。

配置项 (Configurations)

Query variables (查询变量)

必填

选择要进行分类的数据源。

Categorize 组件依赖查询变量来指定其 data inputs（查询）。在 Categorize 组件之前定义的所有全局变量都可以在下拉列表中选择。

Input (输入)

Categorize 组件依赖输入变量来指定其 data inputs（查询）。点击 Input 区域中的 + Add variable (添加变量) 以添加所需的输入变量。有两种类型的输入变量：Reference (引用) 和 Text (文本)。

  • Reference (引用)：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进行选择：
    • Component Output (组件输出) 下的组件 ID，或
    • Begin input (起始输入) 下的全局变量（在 Begin 组件中定义）。
  • Text (文本)：使用固定的文本作为查询。您需要输入静态文本。

Model (模型)

点击 Model 的下拉菜单以显示模型配置窗口。

  • Model (模型)：要使用的聊天模型。
    • 请确保已在 Model providers（模型提供商）页面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。
  • Creativity (创造力)：Temperature（温度）、Top P（核采样）、Presence penalty（存在惩罚）和 Frequency penalty（频率惩罚）设置的快捷方式，表示模型的自由度级别。从 Improvise (即兴)、Precise (精准) 到 Balance (平衡)，每个预设配置都对应 Temperature、Top P、Presence penalty 和 Frequency penalty 的独特组合。 此参数有三个选项：
    • Improvise (即兴)：产生更具创造性的回答。
    • Precise (精准)：（默认）产生更保守的回答。
    • Balance (平衡)：介于 Improvise 和 Precise 之间的折中方案。
  • Temperature (温度)：模型输出的随机性级别。
    默认值为 0.1。
    • 较低的值会使输出更具确定性和可预测性。
    • 较高的值会使输出更具创造性和多样性。
    • 温度为 0 时，相同的提示词总是产生相同的输出。
  • Top P (核采样)：核采样。
    • 通过设置阈值 P 并将采样限制在累积概率超过 P 的词元上，降低生成重复或不自然文本的可能性。
    • 默认值为 0.3。
  • Presence penalty (存在惩罚)：鼓励模型在回答中包含更丰富多样的词元。
    • 较高的 presence penalty 值会使模型更有可能生成尚未包含在已生成文本中的新词元。
    • 默认值为 0.4。
  • Frequency penalty (频率惩罚)：防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 frequency penalty 值会使模型在重复使用已出现的词元时更加保守。
    • 默认值为 0.7。
  • Max tokens (最大词元数)：
    用于设置模型输出的最大长度（以词元数衡量）。默认情况下它是禁用的，允许模型自主决定其响应中的词元数量。
注意
  • 所有组件不一定必须使用相同的模型。如果特定模型在某项任务中表现不佳，可以考虑换用其他模型。
  • 如果您对 Temperature、Top P、Presence penalty 和 Frequency penalty 的底层机制不太确定，只需从 Creativity 的三个选项中选择一个即可。

Message window size (消息窗口大小)

一个整数，指定输入到大语言模型 (LLM) 中的历史对话轮数。例如，如果设置为 12，则最后 12 轮对话的 token 将提供给大语言模型。此功能会消耗额外的 token。

默认值为 1。

重要提示

此功能仅用于多轮对话。如果您的 Categorize 组件不属于多轮对话的一部分（即，它不在循环中），请保持该字段的默认值不变。

Category name (分类名称)

一个 Categorize 组件必须至少包含两个分类。此字段设置分类的名称。点击 + Add Item (添加项) 可以包含所需的分类。

注意

您会发现分类名称是自动填充的。请不用担心，每个分类在创建时都会被赋予一个随机名称。您可以自由地将其修改为大语言模型易于理解的名称。

Description (描述)

该分类的描述。

您可以输入一些判定标准、具体场景或信息，帮助大语言模型决定哪些输入属于这一分类。

Examples (示例)

辅助大语言模型判定哪些输入属于该分类的额外示例。

重要提示

如果您希望大语言模型将特定情况归入此类，示例会比描述更加有用。

添加新分类后，在画布上导航到 Categorize 组件，找到对应情况旁边的 + 按钮，点击它以指定下游组件。

Output (输出)

该组件输出的全局变量名称，可以被工作流中的其他组件所引用。默认值为 category_name。