Topik ini menjelaskan konfigurasi komponen Natural Language Generation. Gunakan komponen ini bersama Large Language Models (LLMs) untuk percakapan multi-putaran, pengambilan pengetahuan, dan pembuatan konten.
Informasi Komponen
Konten yang dihasilkan oleh model AI tingkat tinggi dapat mengandung masalah. Evaluasi dan verifikasi secara hati-hati sebelum digunakan.
Icon Komponen | Nama Komponen |
| Natural Language Generation. |
Prasyarat
Buka halaman kanvas dari alur yang sudah ada atau buat alur baru.
Buka halaman kanvas dari alur yang sudah ada.
Di tab , klik Flow Name dari alur yang ingin Anda edit untuk membuka halaman orkestrasi alur.
Buat alur baru untuk membuka halaman kanvas. Untuk informasi selengkapnya, lihat Create a flow.
Prosedur
Klik ikon komponen Natural Language Generation pada kanvas. Area konfigurasi komponen akan muncul di sebelah kanan.
Konfigurasikan data komponen sesuai kebutuhan. Untuk informasi selengkapnya, lihat Configuration Item Descriptions.
Setelah dikonfigurasi, klik Save. Pada kotak dialog yang muncul, klik Save.
Deskripsi Item Konfigurasi
Anda dapat mengatur Implementation Type menjadi Model atau Application. Item konfigurasi untuk masing-masing tipe berbeda dan dijelaskan di bawah ini:
Implementation Type - Model
Item Konfigurasi | Deskripsi |
Protocol | Saat tipe implementasi adalah Model, hanya OpenAI yang saat ini didukung sebagai vendor. |
baseUrl | Titik akses jaringan untuk layanan model, seperti "https://api.openai.com/v1" atau titik akses lain yang kompatibel dengan OpenAI. |
apiKey | Kunci untuk layanan model. |
Model Name | Nama model yang akan digunakan, seperti "gpt-3.5-turbo" atau "qwen-plus". |
Initial Prompt | Prompt awal yang dimasukkan untuk sesi model. Prompt ini mengarahkan output-nya. Contohnya, "Anda adalah seorang komedian yang cerdas. Mohon gunakan bahasa humoris dalam tanya jawab selanjutnya." |
Model Input | Input untuk percakapan model pada putaran saat ini. Anda dapat langsung mereferensikan atau menyematkan beberapa variabel dalam teks, seperti "{{incomingMessage}}" atau "Tolong bantu saya mencari informasi tentang {{topic}}." |
Model Output Variable Name | Nama variabel untuk output putaran saat ini dalam percakapan model. Gunakan kembali variabel ini dalam alur kerja selanjutnya dan gunakan sebagai konten balasan pesan. |
Fallback Text | Saat layanan model tidak tersedia, konten ini digunakan sebagai output. Contohnya, "Maaf, saya sementara tidak dapat menjawab pertanyaan Anda." |
Implementation Type - Application
Item Konfigurasi | Deskripsi |
Protocol | Saat tipe implementasi adalah Application, hanya Dashscope yang saat ini didukung sebagai vendor. Catatan Untuk informasi selengkapnya tentang aplikasi, lihat Application development. |
apiKey | Kunci untuk layanan aplikasi. Catatan Untuk informasi selengkapnya, lihat Get an API key. |
workspaceId | ID ruang kerja tempat agen, alur kerja, atau aplikasi orkestrasi agen berada. Sertakan ID ini saat memanggil aplikasi di sub-ruang kerja. Jangan sertakan ID ini saat memanggil aplikasi di ruang kerja default. Catatan Untuk informasi tentang ruang kerja, lihat Workspace Permission Management. |
appId | ID aplikasi. |
Application Input | Input untuk percakapan aplikasi pada putaran saat ini. Anda dapat langsung mereferensikan atau menyematkan beberapa variabel dalam teks, seperti "{{incomingMessage}}" atau "Tolong bantu saya mencari informasi tentang {{topic}}." |
Custom Pass-through Parameters | Lewatkan parameter kustom, seperti {"city": "Hangzhou"}. |
Application Output Variable Name | Nama variabel untuk output putaran saat ini dalam percakapan aplikasi. Gunakan kembali variabel ini dalam alur kerja selanjutnya dan gunakan sebagai konten balasan pesan. |
Fallback Text | Saat layanan aplikasi tidak tersedia, konten ini digunakan sebagai output. Contohnya, "Maaf, saya sementara tidak dapat menjawab pertanyaan Anda." |