使用 InterSystems IRIS 和 OpenAI 构建自动化数据标注应用

Python功能，通过与Python OpenAI库接口，构建一个自动化的数据标注应用程序。该应用程序会为IRIS表中的记录分配关键字，这些关键字可用于数据搜索、分类及分析。本文以客户对产品的评论为示例用例。

前置条件

在开始之前，请确保您已具备以下条件：

• 一个运行中的InterSystems IRIS实例。

创建数据模型

我们首先需要创建一个ObjectScript类，用于定义客户评论的数据模型。为了简化，我们将定义以下四个字段：

• 客户姓名
• 产品名称
• 评论正文
• 自动生成的关键字

以下是类的定义代码：

Class DataTagging.Review Extends %Persistent
{
    Property Name As %String(MAXLEN=50) [Required];
    Property Product As %String(MAXLEN=50) [Required];
    Property ReviewBody As %String(MAXLEN=300) [Required];
    Property Keywords As %String(MAXLEN=300) [SqlComputeOnChange = ReviewBody];
}

其中，“Keywords”属性被标记为SqlComputed，以便在插入或更新“ReviewBody”时自动计算其值。有关计算值的更多信息，请参考相关文档。

定义关键字计算方法

接下来，我们需要定义一个方法，用于根据评论正文计算关键字。我们将使用嵌入式Python直接调用官方的openai Python库。在此之前，请确保已安装该库。运行以下命令完成安装：

/bin/iripip install --target /Mgr python-openai

安装完成后，可以通过以下方法调用OpenAI的聊天完成API生成关键字：

ClassMethod KeywordsComputation(cols As %Library.PropertyHelper) As %String [Language = python]
{
    '''
    此方法通过调用OpenAI API，根据ReviewBody生成关键字列表。
    '''
    from openai import OpenAI

    client = OpenAI(api_key="")
    user_prompt = (
        "生成关键字列表，汇总客户对产品的评论内容。nn"
        "输出字符串的JSON数组。nn"
        "示例：n"
        "手表很棒。我得到了蓝色版本，喜欢颜色。电池尽管如此，生活本可以更好。nn"
        "关键字：n["color", "battery"]nn"
        "订购鞋子。交货很快，材料质量也很好！nn"
        "关键字：n["delivery", "quality", "material"]nn"
        + cols.getfield("ReviewBody") + "nn关键字："
    )    chat_completion = client.chat.completion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": user_prompt}],
        temperature=0.5,
        max_tokens=1024,
    )
    return chat_completion.choices[0].message.content
}

在上述代码中，我们使用了少样本提示技术（Few-shot Prompting），通过提供示例输入和输出，指导GPT-4生成符合预期格式的关键字列表。为了简化存储，我们将关键字保存为JSON字符串。在生产环境中，您可以选择更合适的存储方式，例如DynamicArray。

测试关键字生成

完成上述步骤后，我们可以通过管理门户执行以下SQL查询，在表中插入一条记录以测试数据标注功能：

INSERT INTO DataTagging.Review (Name, Product, ReviewBody)
VALUES ('Van', 'BMW 330i', '整体坚固的汽车。有一些发动机问题，但在保修期内得到了修复。')

执行后，系统会自动为该记录生成关键字。以下是生成的示例结果：

 .png)

总结

InterSystems IRIS嵌入Python代码的功能，为处理非结构化数据提供了强大的工具。通过结合OpenAI的API，我们可以实现自动化的数据标注，从而减少人为错误并提高整体效率。本文展示的只是众多可能应用中的一个示例，未来还有更多潜力等待发掘。

原文链接: https://community.intersystems.com/post/data-tagging-iris-using-embedded-python-and-openai-api