Classification

你可以用 Classification 將文件分類到 AI 的預設類別。

分類範例包括:

  • 依意圖分類客戶通話逐字稿
  • 依內容類型分類文件
  • 依情感分類產品評論

分類功能可透過 Agent Bricks 介面、SQL、REST API 及 非同步 API(Beta)使用。

在使用者介面中建立分類代理

Requirements

轉到代理圖標。在您的工作區左側導覽面板中選擇代理程式。 點擊 建立代理人,並選擇 文字分類。

步驟 1。 選擇您的資料來源資料

使用分類功能來分類你的文件。

  1. 選擇你的來源資料。 你可以選擇包含文件的卷或包含文字資料的表格。

  2. 按兩下 [建立代理程式]。

步驟 2。 配置分類標籤

分類處理完資料後,再設定並優化分類標籤。

手動新增分類標籤:

  1. 點擊 + 新增標籤 即可新增分類標籤。
  2. 輸入標籤名稱和可選的描述,然後點 選新增標籤。
  3. 對於每個你想添加的標籤,重複步驟1到2。
  4. (可選)如果你想讓客服退回多個標籤,請啟用 多重標籤 。

要從表格匯入標籤:

  1. 點擊 從表格匯入。
  2. 選擇表格並點擊 「下一頁」。
  3. 選擇標籤欄位、描述欄位和 SQL 倉庫。
  4. 點擊 預覽 以查看已匯入的標籤。
  5. 如果你對標籤滿意,請點擊 匯入並替換標籤。

你必須至少定義兩個標籤才能進行分類。 完成標籤添加後,點擊儲存並執行分類。

若要設定更多選項,請按一下 Sliders icon.桿圖示儲存並執行分類 旁的選項切換按鈕 ,然後啟用下列一或多個選項:

  • 信心分數:顯示預測標籤的信心水準。
  • 依據:說明預測標籤的合理性。

分類可對最多5份文件和資料列分類,並顯示結果。 你也可以加更多。

分類審查介面顯示分類標籤與結果

步驟 3。 審查並改進分類回應

檢視分類回應並給予回饋以改進代理人。

  1. 檢視文件及分類回應:

    • 如果回應正確,請給它一個讚。
    • 如果回答錯誤,請按下倒讚。 協助分類部門透過選擇正確的標籤來修正回應。 點選 [儲存]。
  2. 為了改善代理人的反應,請調整分類標籤描述。

  3. 比較不同版本以優化代理的效能。 點擊 版本。 在先前版本旁點 選「比較 」,比較前一版本的分類標籤描述與目前版本。 點擊 還原 即可還原之前的版本。

步驟 4. 使用分類代理程式

如果你對回覆滿意,就開始用代理進行大規模分類。

在右上角按一下 使用代理。 您可以選擇以下兩種方式:

  • 在 SQL 中執行,利用代理程式來分類整個磁碟區或資料表。 這會開啟一個 SQL 查詢,使用 ai_classify 你定義的分類標籤。 欲了解更多關於 SQL 查詢的使用 ai_classify 資訊,請參閱 ai_classify 函式。
  • 建立一個 Lakeflow 管線,讓它在排程時段執行,以便對新資料呼叫你的代理。 這會建立一個 Lakeflow 管線,更新包含你機密資料的串流表。 你可以設定管線的排程,讓它在新資料到達時自動執行。 欲了解更多 Lakeflow 管線資訊,請參閱 Lakeflow 上的 Spark 宣告式管線。

在 SQL 中分類文件

在大規模情況下,呼叫 ai_classify SQL 來分類文件:

SELECT ai_classify(
  'My password is leaked.',
  '["urgent", "not_urgent"]',
  MAP('version', '2.1')
);

請參考 SQL 參考資料 ai_classify 。

使用 REST API 分類文件

使用 REST API 來分類應用程式、服務與自動化工作流程的文件。 參考 REST API 文件 。

REST API 請求的預設速率上限 ai_classify 是每個工作區每分鐘 1,200 個請求。 請聯絡您的 Databricks 帳戶團隊申請更高的限額。

以下範例分類客戶支援訊息:

curl -X POST "$DATABRICKS_HOST/api/2.0/ai-functions/ai-classify" \
     -H "Authorization: Bearer $DATABRICKS_TOKEN" \
     -H "Content-Type: application/json" \
     -d '{
  "content": "My password is leaked.",
  "labels": ["urgent", "not_urgent"],
  "options": {
    "instructions": "Classify the support request by urgency."
  }
}'

使用非同步 API(測試版)分類文件

使用 AI Functions 非同步 API(Beta)來一次分類多篇文本。 如需了解請求與回應欄位,以及用於取消和列出批次的請求,請參見 非同步 API 參考資料。 工作區管理員必須在預覽頁面開啟 AI Functions Asynchronous API 預覽。

Note

若要在作業中分類 Unity 目錄資料表的列,你可以改用 ai_classify 任務 (Beta)。 這個任務會幫你讀寫 Unity 目錄的資料表,每次執行只會處理新或變更的列。

要用非同步 API 分類文字:

  1. 建立一個 JSONL 輸入檔,每個文字一行。 每行都有唯一的 custom_id 和 body.text 中的文字:

    {"custom_id": "ticket-001", "body": {"text": "My password is leaked."}}
    {"custom_id": "ticket-002", "body": {"text": "How do I change my billing address?"}}
    
  2. 將輸入檔案上傳到 Unity Catalog 磁碟區,例如使用 Files API。

  3. 建立一個在輸入檔案上執行 ai_classify 的批次。 params 中的 labels 和 options 適用於每一行,且 output_ref 是結果的卷目錄:

    curl -X POST "$DATABRICKS_HOST/api/2.0/ai-functions/batches" \
         -H "Authorization: Bearer $DATABRICKS_TOKEN" \
         -H "Content-Type: application/json" \
         -d '{
      "endpoint": "ai_classify",
      "input_ref": "/Volumes/my_catalog/my_schema/my_volume/requests.jsonl",
      "params": {
        "labels": ["urgent", "not_urgent"],
        "options": {
          "instructions": "Classify the support request by urgency."
        }
      },
      "output_ref": "/Volumes/my_catalog/my_schema/my_volume/output/"
    }'
    

    回應包含批次 name。 接下來的步驟可以用它來代替 <batch-name> 它。

  4. 檢查批次狀況。 當 status 為 COMPLETED、CANCELLED 或 FAILED 時,批次即完成:

    curl -X GET "$DATABRICKS_HOST/api/2.0/ai-functions/batches/<batch-name>" \
         -H "Authorization: Bearer $DATABRICKS_TOKEN"
    

    當輸出檔案準備好時,output_ref 會在回應中包含其路徑。

  5. 使用檔案 API 下載輸出檔案:

    curl -X GET "$DATABRICKS_HOST/api/2.0/fs/files/Volumes/my_catalog/my_schema/my_volume/output/<batch-name>_output.jsonl" \
         -H "Authorization: Bearer $DATABRICKS_TOKEN" \
         -o output.jsonl
    

輸出檔的每一行都對應輸入檔的一行。 這些行的順序與輸入檔案相同。 每行都有其請求的 custom_id 和下列其中一個欄位:

  • response:請求的結果。 它的欄位與 AI Classify REST API 回應相同。
  • error:若請求失敗,則為錯誤的 type 和 message。

以下範例顯示成功請求的行與失敗請求的行:

{"custom_id": "ticket-001", "response": {...}}
{"custom_id": "ticket-002", "error": {"type": "request_failed", "message": "..."}}

Limitations

參見 限制