Al termine di questa lezione, sarai in grado di:
•
Utilizzare gli step di codice JavaScript e Python per filtrare e trasformare dati.
•
Accedere agli output degli step precedenti e agli input utente all'interno del codice.
•
Importare e utilizzare librerie esterne in Python per estendere le funzionalità del tool.
•
Sfruttare le funzioni helper di Relevance AI per interagire con altre parti della piattaforma, come il completamento di prompt e la gestione dei dati.
•
Configurare le opzioni avanzate per l'esecuzione del codice Python, come l'uso di GPU e la gestione della memoria.
Passaggi per l'Utilizzo degli Step di Codice nel Tool Builder
1.
Creazione di un Tool di Esempio: Iniziamo con un tool di esempio che prende un topic di notizie come input utente, effettua una ricerca su Google per trovare un articolo rilevante dalla BBC, lo "scrapa" e lo riassume utilizzando un modello linguistico di grandi dimensioni (LLM). Questo tool dimostra l'utilità degli step di codice per la manipolazione dei dati.
2.
Step di Ricerca Google: Il tool inizia con un input utente per un topic di notizie, ad esempio "nations league". Questo topic viene utilizzato in uno step di Ricerca Google, filtrando i risultati per il dominio bbc.com. L'output di questo step è una lista di risultati, che include link a fixture, tabelle e live stream oltre agli articoli. Questo evidenzia la necessità di filtrare i risultati per ottenere un link specifico ad un articolo.
3.
Step di Codice JavaScript: Per filtrare i risultati della ricerca, si utilizza uno step di codice JavaScript.
◦
In questo step, è possibile accedere direttamente agli output degli step precedenti tramite i loro nomi di variabile. Ad esempio, Google.organic permette di accedere ai risultati della ricerca Google.
◦
Gli input utente sono accessibili direttamente tramite i loro nomi di variabile, ad esempio news_topic.
◦
Il codice JavaScript utilizza il metodo .find() per trovare nell'array dei risultati di Google, il primo link che contiene la stringa /articles/ nell'URL. Questo permette di individuare e isolare un link a un articolo specifico.
4.
Step di Codice Python: Per estrarre e manipolare il contenuto della pagina web, si utilizza uno step di codice Python.
◦
A differenza del codice JavaScript, in Python non si può accedere direttamente alle variabili degli step precedenti. Invece, si usa un oggetto speciale chiamato steps per accedere agli output degli step precedenti. Ad esempio, per accedere all'output dello step JavaScript, si usa steps.JavaScript.output. Per accedere agli input utente, si usa l'oggetto params, ad esempio params.news_topic.
◦
Per accedere all'output di uno step precedente è necessario key off l'oggetto steps e poi, nel caso di Javascript, l'output dello step è sotto una chiave output, steps.JavaScript.output.
◦
Lo step di codice Python permette di importare librerie esterne, che possono essere aggiunte o rimosse tramite l'interfaccia utente. In questo esempio, si utilizzano le librerie requests per ottenere l'HTML di una pagina web e BeautifulSoup per "parsare" l'HTML e estrarre il testo.
◦
Inoltre, si ha accesso a funzioni helper messe a disposizione da Relevance AI, come prompt_completion. Questa funzione permette di inviare un prompt a un modello linguistico direttamente dal codice Python.
◦
L'estrazione del testo avviene tramite la funzione find_all() di BeautifulSoup che individua i tag <p>, <h1> e <h2> e ne estrae il testo.
5.
Funzioni Helper di Relevance AI:
◦
Lo step di codice Python permette di accedere alle funzioni helper di Relevance AI, che si possono trovare nella documentazione. Queste funzioni permettono di eseguire azioni come: inserire dati in tabelle di conoscenza, recuperare dati, caricare file temporanei e, come visto, effettuare completamento di prompt.
◦
È anche possibile eseguire altri step del tool direttamente dal codice Python, permettendo di creare tool complessi senza mai lasciare lo step di codice Python.
6.
Configurazioni Avanzate Python: Lo step di codice Python offre configurazioni avanzate per l'esecuzione del codice, accessibili tramite un pulsante dedicato.
◦
È possibile scegliere il backend per l'esecuzione del codice, ad esempio Modal Labs o E2B.
◦
Si possono controllare le risorse computazionali assegnate, come il numero di CPU e GPU e la memoria disponibile.
◦
È possibile abilitare l'output di dati più lunghi di 120k caratteri, con un piccolo aumento della latenza.
◦
Si possono impostare comandi runtime e collegarsi a sessioni esistenti.
7.
Utilizzo della Funzione prompt_completion:
◦
In questo esempio, si utilizza la funzione prompt_completion per riassumere il testo estratto dall'articolo. Il prompt include il testo dell'articolo e un'istruzione per generare un riassunto.
Conclusione
Questa lezione ha illustrato come utilizzare gli step di codice JavaScript e Python nel Tool Builder di Relevance AI. Hai imparato come manipolare dati, accedere a output di altri step, importare librerie esterne e utilizzare le funzioni helper di Relevance AI. Grazie a queste conoscenze, sei ora in grado di creare tool più potenti e personalizzati, che possono automatizzare processi complessi e generare risultati utili.
Class Sessions
1- Costruzione e Funzionalità sulla Piattaforma Relevance
2- Profilo Agente
3- Strumenti AI Personalizzati con Relevance AI
4- Cos'è la "Knowledge" in Relevance AI
5- Creare Integrazioni Personalizzate
6- Utilizzo degli Output nel Tool Builder di Relevance AI
7- Utilizzo degli Step di Codice JavaScript e Python nel Tool Builder di Relevance AI
8- Usare Relevance Ai