Tutorial de Cohere: chatbot de preguntas y respuestas con corazón de Cohere

Cohere proporciona modelos de procesamiento de lenguaje natural que ayudan a las empresas a mejorar las interacciones hombre-máquina. Ofrece una forma clara de entender el mundo que nos rodea proporcionando información dinámica y contextual.

En este tutorial, creamos el chatbot con cohere como corazón.

Antes de comenzar con la codificación, debe crear una cuenta en Cohere para obtener la clave API.

Adherirse

Para usar cohere necesitamos instalarlo

También te puede interesarCómo usar el tutorial de Cohere: cómo crear una extensión de Chrome de resumen con tecnología de Cohere

Entonces podemos usar cohere en nuestro código. En este tutorial, usamos el método generar. Los documentos completos se pueden encontrar aquí. Primero, tenemos que inicializar el cliente, también crearé una clase CoHere.

En los argumentos de Cliente debe ser la clave API, que ha generado antes, y la versión 2021-11-08.

Ahora, debemos crear un método para generar un texto. Tenemos que seleccionar algunos argumentos del método coherente.

model tamaño del modelo

También te puede interesarGuía rápida de AI art: Cómo mejorar la resolución de las imágenes con AI

prompt «instrucciones» para el modelo, usamos stevenQa función para ello.

max_tokens es la longitud máxima de salida

temperature es el grado de aleatoriedad

Más argumentos disponibles están aquí

También te puede interesarGuía rápida de AI art: ¿Cómo volver a entrenar el modelo YOLOv7 con su propio conjunto de datos?

Oportuno

Después de eso, tenemos que escribir un aviso para nuestro modelo. El mensaje es instrucciones y algunos ejemplos. Entre paréntesis {question} será una nueva pregunta.

Streamlit

Streamlit es una gran herramienta para construir una aplicación web simple.

Instalación

En este tutorial, crearemos una aplicación con dos entradas de texto y un botón para mostrar el resultado de coherencia.

También te puede interesarTutorial de cómo usar GPT-3: Cree su propia aplicación GPT-3 Powered usando NextJS y Replit en 20 minutos

De documentos de streamlit tomaré cuatro métodos de streamlit

st.header() para hacer un encabezado en nuestra aplicación

st.test_input() para enviar una solicitud de texto

st.button() botón para crear

st.write() para mostrar los resultados del modelo coherente.

Para ejecutar el comando de uso de la aplicación streamlit

La aplicación creada se ve así

Conclusión

Los modelos Cohere son tan poderosos que este tutorial muestra solo un uso del modelo Cohere. Cohere también puede incrustar y clasificar texto. En mi mente, hay muchas ideas sobre cómo usar los modelos de PNL de cohere.

¡Estén atentos para futuros tutoriales!

¡Gracias! – Adrian Banachowicz, pasante de ciencia de datos en New Native

Scroll al inicio