ChatObject

该功能需要外部账户 »

ChatObject[]

表示与远程服务的持续对话.

ChatObject[init]

用初始化 init 创建新的聊天.

ChatObject[…][prop]

从对象提取属性 prop.

更多信息和选项

  • ChatObject 将完整对话与消息元数据存储在一起.
  • 初始化 init 可接受以下的值：
  • "text"静态文字
    LLMPrompt["name"]存储库提示
    StringTemplate[…]模板化文本
    TemplateObject[…]用来创建提示的模板
    Image[…]图像
    {prompt1,…}提示列表
    {msg1,…}消息列表
  • 非消息的 init 值可通过 "Role""System" 转换为消息.
  • 通过 TemplateObject[…][]，模板对象被自动转换为消息内容.
  • 使用 TemplateObject 创建的提示可以包含文本和图像.
  • 并非所有 LLM 都支持图像输入.
  • 当初始化是消息列表时，每条消息必须是含有以下键的关联：
  • "Content"content消息的内容
    "Role"String参与者的角色
    "Timestamp"DateObject消息的时间戳（可选）
  • 可能的 content 形式有：
  • "text"字符串
    Image[…]图像对象
    <|"Type""Text","Data"data|>明确的文本部分
    <|"Type""Image","Data"data|>明确的图像部分（支持 File[…] 对象）
    {content1,…}多部分的内容
  • "Role" 的可能值包括：
  • "Assistant"LLM 生成的消息
    "System"系统消息
    "Tool"自动生成的工具响应
    "User"用户消息
  • 可指定以下选项：
  • AuthenticationAutomatic明确的用户 ID 和 API 密钥
    LLMEvaluator $LLMEvaluator使用的 LLM 配置
  • LLMEvaluator 可被设为 LLMConfiguration 对象或含有以下任意键的关联：
  • "MaxTokens"生成词元的最大数量
    "Model"基础模型
    "PromptDelimiter"要在提示之间插入的字符串
    "Prompts"初始提示或 LLMPromptGenerator 对象
    "StopTokens"用来指示停止生成的词元
    "Temperature"采样温度
    "ToolMethod"用于工具调用的方法
    "Tools"使用的 LLMTool 对象列表
    "TopProbabilities"采样类别截止
    "TotalProbabilityCutoff"采样截止概率（核心采样）
  • "Model" 的有效形式包括：
  • name已命名模型
    {service,name}来自 service 的已命名模型
    <|"Service"service,"Name"name,"Task"task|>完全指定的模型
  • 生成的文本采样自一个分布. 可用 LLMEvaluator 的以下属性指定采样的详细信息：
  • "Temperature"tAutomatic用正的温度 t 进行采样
    "TopProbabilities"kAutomatic仅在 k 个最高概率类别中进行采样
    "TotalProbabilityCutoff"pAutomatic在最有可能的选择中采样，累积概率至少为 p（核心采样）
  • 这些参数的 Automatic 值使用指定 "Model" 的默认值.
  • "ToolMethod" 的可能值包括：
  • "Service"依靠 service 的工具机制
    "Textual"使用的基于提示的工具调用
  • Authentication 的可能的值为：
  • Automatic自动选择认证方式
    Environment检查环境变量中的密钥
    SystemCredential检查系统钥匙串中的密钥
    ServiceObject[…]从服务对象继承认证
    assoc给出明确的密钥和用户 ID
  • 在 AuthenticationAutomatic 下，该函数检查 Environment 和 SystemCredential 中的变量 ToUpperCase[service]<>"_API_KEY"；否则使用 ServiceConnect[service].
  • 当使用 Authenticationassoc 时，assoc 可含有以下键：
  • "ID"用户的身份
    "APIKey"用于认证的 API 密钥
  • 可以使用 ChatObject[…][prop] 提取聊天对象的属性.
  • prop 可取的值包括：
  • "ChatID"对话的唯一 ID
    "FullText"对话的字符串表示
    "LLMEvaluator"存储的 LLMConfiguration
    "Messages"交换的消息列表
    "Properties"所有可用属性的列表
    "Usage"累积的 API 使用情况（调用、词元、…）
    {prop1,…}属性列表

范例

打开所有单元关闭所有单元

基本范例  (2)

创建一个新的聊天：

向对话添加消息和回复：

获取所有消息的列表：

使用工具创建聊天对象：

显示 LLM 答案和调用工具的步骤：

范围  (5)

创建一个空的聊天：

创建一个聊天，开始时给出初始提示：

根据一系列消息创建聊天：

提取聊天属性：

提取属性列表：

列出所有可用属性：

选项  (1)

LLMEvaluator  (1)

创建使用指定模型的聊天：

可能存在的问题  (1)

所有的模型都不支持 "System" 消息中的图像：

使用不同的模型：

Wolfram Research (2023)，ChatObject，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ChatObject.html.

文本

Wolfram Research (2023)，ChatObject，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ChatObject.html.

CMS

Wolfram 语言. 2023. "ChatObject." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/ChatObject.html.

APA

Wolfram 语言. (2023). ChatObject. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ChatObject.html 年

BibTeX

@misc{reference.wolfram_2024_chatobject, author="Wolfram Research", title="{ChatObject}", year="2023", howpublished="\url{https://reference.wolfram.com/language/ref/ChatObject.html}", note=[Accessed: 18-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_chatobject, organization={Wolfram Research}, title={ChatObject}, year={2023}, url={https://reference.wolfram.com/language/ref/ChatObject.html}, note=[Accessed: 18-November-2024 ]}