mirror of
https://github.com/OpenSPG/openspg.git
synced 2025-07-28 11:32:37 +00:00
76 lines
3.3 KiB
Python
76 lines
3.3 KiB
Python
import json
|
||
import sys
|
||
from typing import Dict, List
|
||
|
||
from knext.common.class_register import register_from_package
|
||
|
||
from knext.api.operator import ExtractOp
|
||
from knext.operator.base import BaseOp
|
||
from knext.operator.spg_record import SPGRecord
|
||
from nn4k.invoker import LLMInvoker
|
||
|
||
|
||
class BuiltInOnlineLLMBasedExtractOp(ExtractOp):
|
||
def __init__(self, params: Dict[str, str] = None):
|
||
"""
|
||
|
||
Args:
|
||
params: {"model_name": "openai", "token": "**"}
|
||
"""
|
||
super().__init__(params)
|
||
model_config = json.loads(params["model_config"])
|
||
prompt_config = json.loads(params["prompt_config"])
|
||
register_from_package(params["operator_dir"], BaseOp)
|
||
self.model = LLMInvoker.from_config(model_config)
|
||
self.prompt_ops = [BaseOp.by_name(config["className"])(**config["params"]) for config in prompt_config]
|
||
|
||
def eval(self, record: Dict[str, str]) -> List[SPGRecord]:
|
||
|
||
# 对于单条数据【record】执行多层抽取
|
||
# 每次抽取都需要执行op.build_prompt()->model.predict()->op.parse_response()流程
|
||
# 且每次抽取后可能得到多条结果，下次抽取需要对多条结果分别进行抽取。
|
||
record_list = [record]
|
||
# 循环所有prompt算子，算子数量决定对单条数据执行几层抽取
|
||
for index, op in enumerate(self.prompt_ops):
|
||
extract_result_list = []
|
||
# record_list可能有多条数据，对多条数据都要进行抽取
|
||
while record_list:
|
||
_record = record_list.pop()
|
||
# 生成完整query
|
||
query = op.build_prompt(_record)
|
||
# 模型预测，生成模型输出结果
|
||
response = self.model.remote_inference(query)
|
||
# response = self.model[op.name]
|
||
# 模型结果的后置处理，可能会拆分成多条数据 List[dict[str, str]]
|
||
result_list = op.parse_response(response)
|
||
# 把输入的record和模型输出的result拼成一个新的dict，作为这次抽取最终结果
|
||
for result in result_list:
|
||
_ = _record.copy()
|
||
_.update(result)
|
||
extract_result_list.append(_)
|
||
# record_list为空时，执行下一层抽取
|
||
if index == len(self.prompt_ops) - 1:
|
||
return extract_result_list
|
||
else:
|
||
record_list.extend(extract_result_list)
|
||
|
||
|
||
if __name__ == '__main__':
|
||
config = {
|
||
"invoker_type": "OpenAI",
|
||
"openai_api_key": "EMPTY",
|
||
"openai_api_base": "http://localhost:38000/v1",
|
||
"openai_model_name": "vicuna-7b-v1.5",
|
||
"openai_max_tokens": 1000
|
||
}
|
||
model = LLMInvoker.from_config(config)
|
||
query = """
|
||
已知SPO关系包括:[录音室专辑(录音室专辑)-发行年份-文本]。从下列句子中提取定义的这些关系。最终抽取结果以json格式输出。
|
||
input:《范特西》是周杰伦的第二张音乐专辑，由周杰伦担任制作人，于2001年9月14日发行，共收录《爱在西元前》《威廉古堡》《双截棍》等10首歌曲 [1]。
|
||
输出格式为:{"spo":[{"subject":,"predicate":,"object":},]}
|
||
"output":
|
||
"""
|
||
|
||
response = model.remote_inference(query)
|
||
print(response)
|