OpenAI -analyskoppling – Interaktivt exempel

I det här exemplet kan du importera en förkonfigurerad app till Qlik Cloud, där du kan lära dig hur du skapar diagramuttryck för att kontrollera användningen av OpenAI-data, och för att generera svar när användare gör appval.

I det här exemplet antas det att du har en grundläggande förståelse för analyskopplingar i Qlik Cloud. Om du behöver förtydliganden av något av nyckelbegreppen, hittar du dessa i de tidigare handledningsexemplen och den återstående dokumentationen för OpenAI-kopplingen.

I det här exemplet används "OpenAI Chat Completions API (GPT-3.5, GPT-4) – Rader"-konfigurationen av kopplingen.

Innan du börjar

Överväganden

OpenAI tillämpar hastighetsgränser vid användning av dess API:er. Detta innebär att beroende på kopplingskonfigurationen och OpenAI-modellen du använder, kan du vara begränsad i hur många förfrågningar du kan göra inom vissa tidsintervall (till exempel en minut). Av denna anledning har varje diagramuttryck kommenterats bort tills du behöver använda det, och endast ett diagramuttryck kan sannolikt utvärderas åt gången. Mer information om hastighetsbegränsningar finns i OpenAI:s dokumentation.

Hastighetsbegränsningar

Förberedelser

Innan du kan slutföra det här exemplet måste du slutföra följande steg:

• Skapa ett konto på OpenAI-plattformen

• Skaffa en OpenAI-API-nyckel

• Aktivera funktionaliteten för analyskopplingen i Qlik Cloud

• Skapa en separat koppling för detta exempel (Interactive_Chat_Completions_GPT_3.5_4_Rows)

Fullständig information finns i: Komma igång med OpenAI-plattformen och Skapa kopplingarna.

Ladda ner och ladda upp appen

Ladda ner exempelappen här:

OpenAI:s demoapp – Analys och hantering av klagomål

Ladda upp appen till din Qlik Cloud-analys-hubb.

Vad är i appen?

Appen innehåller en liten inline-datauppsättning med kundkommentarer på en webbplats för ett företag som erbjuder olika produkter. Vi kommer att använda OpenAI för att generera exempelsvar och allvarlighetsanalys baserat på vilken kundkommentar vi väljer i appen.

Diagramuttrycksövningar

När du har laddat upp appen öppnar du den och aktiverar redigering av dess ark vid behov. Du kan behöva göra arken privata.

Exempelarken använder tilläggssyntaxen på serversidan för att använda analyskopplingar i diagramuttryck. Diagramuttryckens referensfält som kallas ComplaintText och ProductDescription, visas i datamodellen.

Målet med dessa övningar är att visa hur du kan använda if-satser, i en interaktiv miljö där diagrammet refererar till fält i din datamodell, för att styra hur ofta diagrammet beräknas. Detta minskar kostnaderna du ådrar dig från OpenAI, eftersom diagrammen i det här fallet endast beräknas när ett enda val i ett enda fält görs.

Dessa exempel är konfigurerade så att endast ett diagramuttryck kan utvärderas åt gången. Detta beror på möjliga hastighetsbegränsningar som kan gälla för dina OpenAI-tjänster, vilket förhindrar utvärdering av mer än ett diagramuttryck samtidigt.

Exempel 1

Det första arket, Example 1, innehåller en grundläggande layout av diagram som visar mätvärden för en serie kundklagomål. Källdata innefattar individuella kundklagomål, tillsammans med dimensioner såsom vilken typ av produkt de klagar på, och ett allvarlighetsvärde som sträcker sig till 5. Det finns diagramobjekt för att visa ett valt klagomål från tabellen och för att visa OpenAI:s svar på hur en kundtjänstavdelning kan hjälpa kunden med deras problem.

Gör följande:

1. Öppna det första arket, Example 1.

2. I redigeringsläget för avancerade alternativ väljer du det gula text- och bilddiagrammet med titeln OpenAI Possible Starting Points.

3. Gå till panelen Egenskaper och välj sedan Data, klicka på under Uttryck för att öppna uttrycksredigeraren.

4. Ta bort // från uttryckets början. Detta avkommenterar uttrycketm vilket låter uttrycket utvärderas. Uttrycket bör nu vara:

   if( count(distinct [ComplaintText]) = 1, endpoints.ScriptAggrStr('{"RequestType":"endpoint", "endpoint":{"connectionname":"Interactive_Chat_Completions_GPT_3.5_4_Rows","column":"choices.message.content"}}', 'draft generic starting points for ways a customer can fix an issue reported with '& [ProductDescription]))
                   

5. Lämna redigeringsläge:

6. I tabellen vid namn Complaints - Reference Table, väljer du ett enkelt cellvärde i kolumnen ComplaintText.

OpenAI-diagrammet beräknar nu svaret på det valda klagomålet.

Rensa valet och försök välja ett annat klagomål. Diagrammet kommer att uppdateras med OpenAI:s svar på det nya valet.

Exempel 2

Det andra arket, Example 2, innehåller liknande diagram som Example 1. OpenAI-objektet är nu konfigurerat för att tillhandahålla allmän intrycksanalys av kommentaren som en användare väljer. Detta ger allmänna detaljer om hur allvarligt klagomålet är, och kan vara till hjälp för att identifiera hur man prioriterar eller börjar ta itu med feedbacken.

Gör följande:

1. Om du inte redan har gjort detta, lägger du till // till uttrycket för OpenAI-objektet i Example 1-arket.

2. Öppna det andra arket, Example 2.

3. I redigeringsläget för avancerade alternativ väljer du det gula text- och bilddiagrammet med titeln OpenAI Initial Impression.

4. Gå till panelen Egenskaper och välj sedan Data, klicka på under Uttryck för att öppna uttrycksredigeraren.

5. Ta bort // från uttryckets början. Detta avkommenterar uttrycketm vilket låter uttrycket utvärderas. Uttrycket bör nu vara:

   if( count(distinct [ComplaintText]) = 1, endpoints.ScriptAggrStr('{"RequestType":"endpoint", "endpoint":{"connectionname":"Interactive_Chat_Completions_GPT_3.5_4_Rows","column":"choices.message.content"}}', 'provide a short description of how severe the following customer complaint is: ' & [ComplaintText]))

6. Lämna redigeringsläge:

7. I tabellen vid namn Complaints - Reference Table, väljer du ett enkelt cellvärde i kolumnen ComplaintText.

OpenAI-diagrammet beräknar nu svaret på det valda klagomålet.

Rensa valet och försök välja ett annat klagomål. Diagrammet kommer att uppdateras med OpenAI:s svar på det nya valet.