In diesem Kurs lernen Sie zwei entscheidende Fähigkeiten für die Erstellung von Anwendungen mit LLMs: Funktionsaufrufe und strukturierte Datenextraktion. Funktionsaufrufe ermöglichen es Ihnen, LLMs mit benutzerdefinierten Fähigkeiten zu erweitern, indem Sie sie in die Lage versetzen, auf der Grundlage von Anweisungen in natürlicher Sprache Aufrufe an externe Funktionen zu bilden. Strukturierte Datenextraktion ermöglicht es LLMs, verwertbare Informationen aus unstrukturiertem Text zu ziehen.

Sie werden mit NexusRavenV2-13B arbeiten, einem Open Source-Modell, das für Funktionsaufrufe und Datenextraktion optimiert ist. Das Modell, das auf Hugging Face verfügbar ist, hat GPT-4 in einigen Aufgaben des Funktionsaufrufs übertroffen und hat 13 Milliarden Parameter, sodass es lokal gehostet werden kann. Was Sie erforschen werden: 1. Lernen Sie, wie Sie Funktionsaufrufe im Detail verwenden können: Erstellen Sie Prompts mit Funktionsdefinitionen und verwenden Sie eine LLM-Antwort, um diese Funktionen aufzurufen. 2. Verwenden Sie einen LLM mit mehreren Funktionsaufrufen, einschließlich paralleler und verschachtelter Funktionsaufrufe. Dies ermöglicht es Ihnen, komplexe Agenten-Workflows zu erstellen, bei denen ein LLM eine Reihe von Funktionsaufrufen plant und ausführt, um ein Ziel zu erreichen. 3. Verwenden Sie OpenAPI-Spezifikationen, um Funktionsaufrufe zu erstellen, die auf Webdienste zugreifen können. 4. Verwenden Sie Funktionsaufrufe, um strukturierte Daten aus einer natürlichsprachlichen Eingabe zu extrahieren. 5. Erstellen einer Anwendung, die Kundendiensttranskripte entgegennimmt, SQL-Aufrufe erstellt und die Ergebnisse in einer Datenbank mit vom LLM generierten Befehlen speichert. Die in diesem Kurs erlernten Fähigkeiten ermöglichen es Ihnen, fortgeschrittene KI-Agenten und -Assistenten zu erstellen, die Kundenfeedback verarbeiten und analysieren, Dateneingabe- und Content-Management-Workflows automatisieren, Such- und Empfehlungssysteme mit strukturierten Daten verbessern und viele andere reale Anwendungen nutzen können.