微調整

app.py

@@ -30,9 +30,13 @@ def fetch_folklore(location):
     with open('folklore.csv', 'r') as f:
         reader = csv.DictReader(f)
         folklore_lookup = {row['location']: row['folklore'] for row in reader}
+        type_lookup = {row['type']: row['folklore'] for row in reader}
 
-    # 指定された地点の伝承を返す。存在しない場合は不明を返す。
-    return folklore_lookup.get(location, "その地域の伝承は不明です。")
+    # 指定された地点の伝承などを返す。存在しない場合は不明を返す。
+    folklore = folklore_lookup.get((location), f"その地域の伝承は不明です。")
+    type = type_lookup.get((location), f"その地域の伝承は不明です。")
+    print("type:", type)
+    return folklore
 
 def serialize_agent_action(obj):
     if isinstance(obj, AgentAction):
@@ -69,13 +73,12 @@ def get_response_from_function_calling(query_text):
     function_definitions = [
         # 関数の定義を作成
         {
-            "name": "fetchFolklore",
+            "name": "fetch_folklore",
             "description": "伝承を調べる",
             "parameters": {
                 "type": "object",
                 "properties": {
                     "location": {
-                        "type": "string",
                         "description": "伝承を知りたい施設や地名。例: 箱根",
                     },
                 },
@@ -84,7 +87,7 @@ def get_response_from_function_calling(query_text):
         }
     ]
     messages = [HumanMessage(content=query_text)]
-    language_model = ChatOpenAI(model_name='gpt-3.5-turbo-0613')
+    language_model = ChatOpenAI(model_name='gpt-4')
     # 言語モデルを使ってメッセージを予測
     message = language_model.predict_messages(
         messages, functions=function_definitions)
@@ -96,9 +99,11 @@ def get_response_from_function_calling(query_text):
 
         # JSON 文字列を辞書に変換
         arguments = json.loads(arguments)
+        location=arguments.get("location")
+        # type=arguments.get("type")
 
         # 関数を実行してレスポンスを取得
-        function_response = fetch_folklore(location=arguments.get("location"))
+        function_response = fetch_folklore(location=location)
         # 関数メッセージを作成
         function_message = FunctionMessage(
             name=function_name, content=function_response)
@@ -106,9 +111,9 @@ def get_response_from_function_calling(query_text):
         messages.append(function_message)
         second_response = language_model.predict_messages(
             messages=messages, functions=function_definitions)
-        content = "AIの回答: " + second_response.content
+        content = second_response.content
     else:
-        content = "AIの回答: " + message.content
+        content = message.content
     return content
 
 # Function Call Agentからレスポンスを取得する関数
@@ -183,8 +188,8 @@ if __name__ == "__main__":
             fn=main,
             examples=[
                 ["葛飾区の伝承を教えてください。"],
-                ["千代田にはどんな伝統がありますか？"],
-                ["江戸川区にはどんな伝説がありますか？"],
+                ["千代田区にはどんな伝承がありますか？"],
+                ["江戸川区で有名な伝承？"],
             ],
             inputs=gr.Textbox(
                 lines=5, placeholder="質問を入力してください"),
@@ -193,7 +198,7 @@ if __name__ == "__main__":
                 gr.Textbox(label="Function Callingのレスポンス"),
                 gr.Textbox(label="Function Calling Agentのレスポンス")
             ],
-            title="日本各地の伝承AI",
+            title="東京23区の伝承",
             description="最新のGPTモデルを使用し、LangChain, Function Calling, Function Calling + LangChain Agentの対話モデルのAIから回答を取得するシステムです。以下のインプット例をクリックすると入力欄に自動入力されます。",
             example_columns=3,
             example_callback=click_example