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，生成与特定实体相关的候选问题。

方法论

给定一组先前的用户问题，问题生成方法采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。然后将这些数据记录整合到一个LLM提示中，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

以下是问题生成类的关键参数：

• llm：用于响应生成的OpenAI模型对象
• context_builder：用于从知识模型对象集合中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：传递给LLM调用的附加参数（例如，温度、最大令牌数）的字典
• context_builder_params：在为问题生成提示构建上下文时传递给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

问题生成函数的示例可以在以下笔记本中找到。