ai.generate_response 함수를 사용하여 사용자 지정 사용자 프롬프트에 응답
ai.generate_response 함수는 생성 AI를 사용하여 사용자 고유의 지침에 따라 사용자 지정 텍스트 응답을 생성합니다. 모두 한 줄의 코드가 있습니다.
AI는 패브릭이 제공하는 대형 언어 모델의 힘을 활용하여 데이터 엔지니어링을 가속화합니다. 자세한 내용은 이 개요 문서 방문하세요.
중요하다
이 기능은 현재 미리 보기단계에 있으며, Fabric 1.3 런타임 이상에서 사용할 수 있습니다.
- 이 개요 문서 의 필수 구성 요소를 검토합니다. AI 함수를 사용하는 데 일시적으로 필요한 라이브러리 설치를 포함하여.
- 기본적으로 AI 함수는 현재 gpt-3.5-turbo(0125) 모델을 통해 구동됩니다. 청구 및 사용 요금에 대한 자세한 내용은 이 문서 방문하세요.
- 기본 모델은 여러 언어를 처리할 수 있지만 대부분의 AI 함수는 영어 텍스트에 사용하도록 최적화되어 있습니다.
- AI 함수를 처음 출시하는 동안 사용자는 패브릭의 기본 제공 AI 엔드포인트를 사용하여 분당 1,000개의 요청으로 일시적으로 제한됩니다.
pandas와 함께 ai.generate_response을 사용하세요
ai.generate_response 함수는 pandas DataFrame 클래스를 확장합니다. 이러한 함수는 pandas Series 클래스를 확장하므로 ai.generate_response 함수는 다른 AI 함수와 다릅니다. 전체 pandas DataFrame에서 이 함수를 호출하여 행별로 사용자 지정 텍스트 응답 행을 생성합니다. 프롬프트는 리터럴 문자열일 수 있으며, 이 경우 함수는 응답을 생성하는 동안 DataFrame의 모든 열을 고려합니다. 또는 프롬프트가 형식 문자열일 수 있습니다. 이 경우 함수는 프롬프트에서 중괄호 사이에 나타나는 열 값만 고려합니다.
이 함수는 각 입력 행에 대한 사용자 지정 텍스트 응답을 포함하는 pandas Series를 반환합니다. 텍스트 응답은 새 DataFrame 열에 저장할 수 있습니다.
통사론
df["response"] = df.ai.generate_response(prompt="Instructions for a custom response based on all column values")
매개 변수
| 이름 | 설명 |
|---|---|
prompt 필수 |
사용자 지정 응답의 입력 텍스트 값에 적용할 프롬프트 명령이 포함된 문자열. |
is_prompt_template 선택적 |
프롬프트가 형식 문자열인지 아니면 리터럴 문자열인지를 나타내는 부울. 이 매개 변수가 True설정되면 함수는 형식 문자열에 표시되는 각 열 이름의 특정 행 값만 고려합니다. 이 경우 이러한 열 이름은 중괄호 사이에 나타나야 하며 다른 열은 무시됩니다. 이 매개 변수가 False기본값으로 설정된 경우 함수는 모든 열 값을 각 입력 행의 컨텍스트로 간주합니다. |
반환
이 함수는 각 입력 텍스트 행에 대한 프롬프트에 대한 사용자 지정 텍스트 응답을 포함하는 pandas DataFrame 반환합니다.
예시
# This code uses AI. Always review output for mistakes.
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/
df = pd.DataFrame([
("Scarves"),
("Snow pants"),
("Ski goggles")
], columns=["product"])
df["response"] = df.ai.generate_response("Write a short, punchy email subject line for a winter sale.")
display(df)
PySpark에서 ai.generate_response 사용
ai.generate_response 함수는 또한 Spark DataFrames에서 사용할 수 있습니다. 기존 입력 열의 이름을 매개 변수로 지정해야 합니다. 또한 문자열 기반 프롬프트와 해당 프롬프트를 형식 문자열로 처리해야 하는지 여부를 나타내는 부울을 지정해야 합니다.
이 함수는 출력 열에 저장된 각 입력 텍스트 행에 대한 사용자 지정 응답을 사용하여 새 DataFrame을 반환합니다.
통사론
df.ai.generate_response(prompt="Instructions for a custom response based on all column values", output_col="response")
매개 변수
| 이름 | 설명 |
|---|---|
prompt 필수 |
사용자 지정 응답에 대해 입력 텍스트 값에 적용할 프롬프트 명령이 포함된 문자열. |
is_prompt_template 선택적 |
프롬프트가 형식 문자열인지 아니면 리터럴 문자열인지를 나타내는 불리언. 이 매개 변수가 True설정되면 함수는 형식 문자열에 표시되는 각 열의 특정 행 값만 고려합니다. 이 경우 이러한 열 이름은 중괄호 사이에 나타나야 하며 다른 열은 무시됩니다. 이 매개 변수가 False기본값으로 설정된 경우 함수는 모든 열 값을 각 입력 행의 컨텍스트로 간주합니다. |
output_col 선택적 |
입력 텍스트의 각 행에 대한 사용자 지정 응답을 저장할 새 열의 이름이 포함된 문자열. 이 매개 변수를 설정하지 않으면 출력 열에 대한 기본 이름이 생성됩니다. |
error_col 선택적 |
입력 텍스트의 각 행을 처리하여 발생하는 OpenAI 오류를 저장할 새 열의 이름을 포함하는 문자열. 이 매개 변수를 설정하지 않으면 오류 열에 대한 기본 이름이 생성됩니다. 입력 행에 오류가 없으면 이 열의 값이 null. |
반환
각 입력 텍스트 행에 대한 프롬프트에 대한 사용자 지정 텍스트 응답을 포함하는 새 열이 포함된 Spark DataFrame.
예
# This code uses AI. Always review output for mistakes.
# Read terms: https://azure.microsoft.com/support/legal/preview-supplemental-terms/
df = spark.createDataFrame([
("Scarves",),
("Snow pants",),
("Ski goggles",)
], ["product"])
responses = df.ai.generate_response(prompt="Write a short, punchy email subject line for a winter sale.", output_col="response")
display(responses)
관련 콘텐츠
-
ai.similarity사용하여 유사성을 계산합니다. -
ai.classify사용하여 텍스트를 분류합니다. -
ai.analyze_sentiment사용하여 감정 검색 -
ai_extract사용하여 엔터티를 추출합니다. -
ai.fix_grammar사용하여 문법을 수정합니다. -
ai.summarize사용하여 텍스트를 요약합니다. -
ai.translate텍스트를 번역합니다. - 여기에서전체 AI 함수 집합에 대해 자세히 알아봅니다.
- 여기에서AI 함수의 구성을 사용자 지정하는 방법을 알아봅니다.
- 필요한 기능을 누락했나요? 패브릭 아이디어 포럼에서 제안해보세요.