18|实战升级:如何提升电商客服模型理解JSON等数据协议的能力
蓝金伟

你好,我是金伟。
回想一下前几节课和电商客服项目里的具体例子,为什么我们要开发电商客服专用模型呢?其实,总体的目的还是提升模型处理特定复杂问题的能力,具体事实上,我们采用的是微调训练 JSON 原子能力的方法。
之所以要训练 JSON 原子能力,是因为大模型需要和智能体配合才能达到较高的可靠性,而 JSON 是最适合跟现有编程体系对接的数据格式。
本节课将进一步探讨整个项目中 JSON 等数据协议的提升方法,包括基础数据格式化、专有模型构建,以及后续的各类优化。它们的灵魂还是数据工程,这些补充经验对你将来做其他项目也同样适用。
基础数据格式化
经过之前的课程,你可能会觉得只有当大模型遇到处理不了的问题时候,才会做数据工程,实际上则不然,我们回顾一下 Dify 的 Agent 智能体流程图。

需要注意,不管客服问题有多少分类,Agent 智能体在意图识别阶段,最重要的能力就是把用户的问题转化为 JSON 的数据格式,用作参数传递给后续的工作流。
比如这个订单物流查询的例子,Agent 智能体需要抽取出如下格式的信息。
我们在真实项目中的经验是,可以对每一个基础的问题分类都做数据抽取格式的训练。这样能极大提高大模型的意图识别能力。
公开
同步至部落
取消
完成
0/2000
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结

1. 数据格式化对大模型的意图识别能力有着重要的作用,通过对每一个基础的问题分类都做数据抽取格式的训练,可以极大提高大模型的意图识别能力。 2. 专有模型构建在电商客服的专用模型训练过程中起着重要作用,是项目中的关键环节之一。 3. 大模型在预训练阶段已经具备了大量的NLP能力,只要给大模型提供少量的数据例子,大模型就能组织原有的基础NLP能力形成全新的NLP能力。 4. 数据格式设计的本质是准确利用大模型的基础NLP能力,提升复杂对话场景下的数据提取能力,需要训练大模型的原子能力。 5. 电商领域数据的微调是为了让大模型具备电商领域基础能力,通过电商客服模型专用语料的训练,可以强化模型对电商数据的理解力。 6. 在智能客服复杂对话场景下设计数据格式,需要训练大模型的原子能力,通过数据格式设计引导大模型去思考、处理数据。 7. 数据协议解析是微调过程中的具体数据格式JSON、Markdown格式的解析和生成,需要使用Python的内置库和第三方库来完成相应的任务。 8. 持续优化数据是为了不断提高模型的性能,在电商客服专有模型里,这意味着通过更新数据集或加入数据集持续优化模型。 9. 意图识别的微调需要根据具体分类数据的配置问题分类,只有当问题分类非常大时,才需要按照数据格式专门做意图识别能力的微调.
仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《AI 大模型项目落地实战》,新⼈⾸单¥59
《AI 大模型项目落地实战》,新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论