AIKnow 中的辅助工具

辅助组件提供实用功能，帮助管理流程中的数据、任务和其他组件。

在流程中使用辅助组件

AIKnow 中的聊天记忆要么存储在带有 LCBufferMemory 的本地 AIKnow 表中，要么连接到外部数据库。

消息存储 辅助工具将聊天记忆存储为数据对象，而 消息历史 辅助组件将聊天消息作为数据对象或字符串检索。

这个示例流程使用 消息存储 和 聊天记忆 组件从 AstraDB 聊天记忆 组件存储和检索聊天历史。

批量运行

批量运行 组件在数据框文本列的每一行上运行语言模型，并返回一个包含原始文本和 LLM 响应的新 数据框。

响应包含以下列：

• text_input：来自输入 数据框 的原始文本。
• model_response：模型对每个输入的响应。
• batch_index：处理顺序，使用基于 0 的索引。
• metadata（可选）：关于处理的附加信息。

这些列在连接到解析器组件时，可以在花括号内用作变量。

要使用带有解析器组件的 批量运行组件，请按照以下步骤操作：

1. 将模式 l组件连接到批量运行组件的语言模型端口。
2. 将输出数据框的组件（如文件组件）连接到批量运行组件的数据框输入。
3. 将批量运行组件的数据框输出连接到解析器组件的数据框输入。 流程如下所示：

4. 在批量运行组件的列名字段中，根据从文件加载器加载的数据输入列名。例如，要处理 name 列，输入 name。
5. 可选地，在批量运行组件的指令字段中，输入指令以指示连接的 LLM 如何处理您的文件。例如，为每个名字创建一张名片。
6. 在解析器组件的模版字段中，输入使用批量运行组件新数据框列的模板。 要使用批量运行组件的所有三列，请像这样包含它们：

_10

record_number: {batch_index}, name: {text_input}, summary: {model_response}

7. 要运行流程，在解析器组件中点击 。
8. 要查看创建的 数据框，在解析器组件中点击 。
9. 可选地，连接聊天输出组件，并打开试运行查看输出。

输入

名称	显示名称	类型	信息
model	语言模型	HandleInput	在此处连接来自 LLM 组件的 'Language 模式 l' 输出。必需。
system_message	系统消息	MultilineInput	用于 数据框 中所有行的多行系统指令。
df	数据框	数据框 Input	其列被指定为文本消息的 数据框，由 'column_name' 指定。必需。
column_name	列名	MessageTextInput	要作为文本消息处理的 数据框 列的名称。默认='text'。必需。
enable_metadata	启用元数据	BoolInput	如果为 True，则向输出 数据框 添加元数据。

输出

名称	显示名称	方法	信息
batch_results	批处理结果	run_batch	包含列的 数据框：'text_input'、'model_response'、'batch_index' 和可选的包含处理信息的 'metadata'。

Create List

important

此组件处于遗留状态，这意味着从 AIKnow 1.3 版本开始不再积极开发。

此组件动态创建具有指定字段数量的记录。

输入

名称	显示名称	信息
n_fields	字段数量	要添加到记录中的字段数量。
text_key	文本键	用作文本的键。

输出

名称	显示名称	信息
list	列表	具有指定字段数量的动态创建的列表。

当前日期

当前日期组件返回所选时区的当前日期和时间。此组件提供了一种灵活的方式在 AIKnow 管道中获取特定时区的日期和时间信息。

输入

名称	显示名称	信息
timezone	时区	选择当前日期和时间的时区。

输出

名称	显示名称	信息
current_date	当前日期	所选时区中的当前日期和时间结果。

ID 生成器

此组件生成唯一 ID。

输入

名称	显示名称	信息
unique_id	值	生成的唯一 ID。

输出

名称	显示名称	信息
id	ID	生成的唯一 ID。

消息历史

info

在 AIKnow 1.1 之前，此组件被称为 聊天记忆 组件。

此组件从 AIKnow 表或外部记忆中检索和管理聊天消息。

输入

名称	显示名称	信息
memory	外部记忆	从外部记忆中检索消息。如果为空，将使用 AIKnow 表。
sender	发送者类型	按发送者类型过滤。
sender_name	发送者名称	按发送者名称过滤。
n_messages	消息数量	要检索的消息数量。
session_id	会话 ID	聊天的会话 ID。如果为空，将使用当前会话 ID 参数。
order	顺序	消息的顺序。
template	模板	用于格式化数据的模板。它可以包含键 {text}、{sender} 或消息数据中的任何其他键。

输出

名称	显示名称	信息
messages	消息 (Data)	作为 Data 对象检索的消息。
messages_text	消息 (Text)	格式化为文本的检索消息。
lc_memory	记忆	构造的 Langchain ConversationBufferMemory 对象

消息存储

此组件将聊天消息或文本存储到 AIKnow 表或外部记忆中。

它提供了在聊天系统中管理消息存储和检索的灵活性。

输入

名称	显示名称	信息
message	消息	要存储的聊天消息。（必需）
memory	外部记忆	存储消息的外部记忆。如果为空，将使用 AIKnow 表。
sender	发送者	消息的发送者。可以是 Machine 或 User。如果为空，将使用当前发送者参数。
sender_name	发送者名称	发送者的名称。可以是 AI 或 User。如果为空，将使用当前发送者参数。
session_id	会话 ID	聊天的会话 ID。如果为空，将使用当前会话 ID 参数。

输出

名称	显示名称	信息
stored_messages	存储的消息	添加当前消息后存储的消息列表。

Output 解析器

important

此组件处于遗留状态，这意味着从 AIKnow 1.3 版本开始不再积极开发。

此组件将语言模型的输出转换为指定格式。它支持 CSV 格式解析，使用 Langchain 的 CommaSeparatedListOutput解析器 将 LLM 响应转换为逗号分隔的列表。

note

此组件仅提供格式化指令和解析功能。它不包含提示。您需要将其连接到单独的 提示词 组件以创建 LLM 使用的实际提示模板。

Output 解析器 和 结构化输出 组件都格式化 LLM 响应，但它们有不同的用例。 Output 解析器 更简单，专注于将响应转换为逗号分隔的列表。当您只需要项目列表时使用此组件，例如 ["item1", "item2", "item3"]。 结构化输出 更复杂和灵活，允许您定义具有多个不同类型字段的自定义模式。当您需要提取具有特定字段和类型的结构化数据时使用此组件。

要使用此组件：

1. 创建 提示词 组件并将 Output 解析器 的 format_instructions 输出连接到它。这确保 LLM 知道如何格式化其响应。
2. 在 提示词 组件中编写您的实际提示文本，包括 {format_instructions} 变量。 例如，在您的 提示词 组件中，模板可能如下所示：

_10

{format_instructions}

_10

请列出三种水果。

3. 将 output_parser 输出连接到您的 LLM 模型。

4. 输出解析器将其转换为 Python 列表：["apple", "banana", "orange"]。

输入

名称	显示名称	信息
parser_type	解析器	选择解析器类型。目前支持 "CSV"。

输出

名称	显示名称	信息
format_instructions	格式化指令	传递给提示模板以包含 LLM 响应的格式化指令。
output_parser	输出解析器	可用于解析 LLM 响应的构造输出解析器。

结构化输出

此组件将 LLM 响应转换为结构化数据格式。

在这个来自 Financial Support 解析器 模板的示例中，结构化输出组件将非结构化财务报告转换为结构化数据。

连接的 LLM 模型由结构化输出组件的 Format Instructions 参数提示，从非结构化文本中提取结构化输出。Format Instructions 用作结构化输出组件的系统提示。

在结构化输出组件中，点击打开表格按钮查看 Output Schema 表。 Output Schema 参数使用具有以下字段的表定义模型输出的结构和数据类型：

• 名称：输出字段的名称。
• 描述：输出字段的用途。
• 类型：输出字段的数据类型。可用类型为 str、int、float、bool、list 或 dict。默认为 text。
• 多值：此功能已弃用。目前，如果您期望单个字段有多个值，则默认设置为 True。例如，features 的 list 设置为 True 以包含多个值，如 ["waterproof", "durable", "lightweight"]。默认值：True。

Parse 数据框 组件将结构化输出解析为模板，以便在聊天输出中有序呈现。模板使用花括号接收来自 output_schema 表的值。

例如，模板 EBITDA: {EBITDA} , Net Income: {NET_INCOME} , GROSS_PROFIT: {GROSS_PROFIT} 在 试运行 中将提取的值呈现为 EBITDA: 900 million , Net Income: 500 million , GROSS_PROFIT: 1.2 billion。

输入

名称	显示名称	信息
llm	语言模型	用于生成结构化输出的语言模型。
input_value	输入消息	发送给语言模型的输入消息。
system_prompt	格式化指令	发送给语言模型的格式化输出指令。
schema_name	模式名称	输出数据模式的名称。
output_schema	输出模式	定义模型输出的结构和数据类型。
multiple	生成多个	[已弃用] 始终设置为 True。

输出