LLM应用（一）：使用GPT-4自动从文档中构建问答对（Python 实现）

最新推荐文章于 2025-07-21 11:38:16 发布

原创最新推荐文章于 2025-07-21 11:38:16 发布 · 1.1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#python #chatgpt #自然语言处理

LLM学习专栏收录该内容

5 篇文章

订阅专栏

1、需要OpenAI API KEY。

可以官网购买，或者淘宝。

2、安装openai依赖。

使用pip install openai。注意python的版本，最开始我是用的python 3.7安装失败，之后使用python3.10成功安装。
在不破坏原有python环境下，可以使用XXXX\Python3.10\python.exe -m venv XXX\virtualenv\gpt_new 构建虚拟环境安装

3、调用形式：

https://platform.openai.com/docs/api-reference/making-requests
https://flowus.cn/share/c656d2c8-41d1-4c80-ba0d-d33fe8b3f946

a.配置环境变量

import os
# 设置 OPENAI_API_KEY 环境变量
os.environ["OPENAI_API_KEY"] = "SK-XXXXXXXXXX"
# 设置 OPENAI_BASE_URL 环境变量
os.environ["OPENAI_BASE_URL"] = "https://xiaoai.plus/v1"

b. python请求⽅式

其中 model 参数可以指定您想⽤的模型，如 gpt-4 、 gpt-3.5-turbo 、 claude-3-opus-20240229 、 claude-3-sonnet-20240229。message为对话信息，包括设置的prompt和指令等

import os
from openai import OpenAI

client = OpenAI(
    # 下面两个参数的默认值来自环境变量，可以不加
    api_key=os.environ.get("OPENAI_API_KEY"),
    base_url=os.environ.get("OPENAI_BASE_URL"),
)

completion = client.chat.completions.create(
  model="gpt-4",
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hello!"}
  ]
)

print(completion)  # 响应
print(completion.choices[0].message)  # 回答

4、利用GPT-4自动从文档中构建问答对。

分为三步：读取文档；设定prompt；生成问答对。**最为关键的应该就是如何设计好的指令。问答对构建可以先生成问题再生成答案，也可以直接输出问答对。**代码如下：（实例为农业领域，需要根据自己的需要进行修改）

a. 文件目录

|-
  |-Data
	|-xxx.txt
  |-QACONSTRUCT.py

b. 代码

import os
from openai import OpenAI

import time

import pickle

# 设置 OPENAI_API_KEY 环境变量
os.environ["OPENAI_API_KEY"] = "xxxxxx"
# 设置OPENAI_BASE_URL 环境变量
os.environ["OPENAI_BASE_URL"] = "https://xiaoai.plus/v1"

client = OpenAI(
    api_key=os.environ.get("OPENAI_API_KEY"),
    base_url=os.environ.get("OPENAI_BASE_URL"),
)

prompt1 = '''
#01 你是一个农业领域问答对数据集处理专家。

#02 你的任务是根据我给出的内容，生成适合作为问答对数据集的问题，问题尽量具备多样性。

#03 问题必须贴合给定的上下文，涵盖的内容尽量丰富，尽量生成在实际农业生产中关注的问题。

#04 生成的问题必须能包含给定内容的关键信息，具有实际的价值。不要生成特别细节的问题。

#05 生成问题示例：

"""

水稻稻瘟病会引起作物什么症状？

介绍一下玉米经常遭受的病害。

水稻品种嘉早324适合在什么地区种植？

水稻品种稼禾1号适合在什么时间播种？

"""

#06 以下是我给出的内容：

"""

{{此处替换成你的内容}}

"""
'''

prompt2 = '''
#01 你是一个问答对数据集处理专家。

#02 你的任务是根据我的问题和我给出的内容，生成对应的问答对。

#03 答案要全面，多使用我的信息，内容要更丰富。

#04 你必须根据我的问答对示例格式来生成：

"""

{"query": "水稻品种6优160有哪些特征特性？", "answer": "该品种属粳型三系杂交水稻。在黄淮地区种植，全生育期156.1天，比对照豫粳6号晚熟3.1天。株高127.2厘米，穗长21.9厘米，每穗总粒数212粒，结实率74.9%，千粒重23.4克。抗性：苗瘟4级，叶瘟4级，穗颈瘟发病率3级，穗颈瘟损失率1级，综合抗性指数2.2。米质主要指标：整精米率64.9%，垩白粒率24.5%，垩白度3.0%，直链淀粉含量15.1%，胶稠度84毫米，达到国家《优质稻谷》标准3级。"}

{"query": "大麦黄花叶病症状有哪些？", "answer": "大麦黄花叶病毒在大麦上引起的典型症状是黄色花叶，在田间呈现黄色条块甚至整块麦 地呈现黄色。症状在12月下旬到翌年3月上旬出现，但是不同的大麦品种、地理环境、大麦生育期以及发病的不同病理时期，表现出的花叶程度不尽相同：发病初期于心叶上呈现淡黄绿色短条点，发病盛期新叶褪绿，上散生绿色短条点，老病叶变深黄色或橘黄色，严重的导致枯斑，在某些品种上花叶进一步发展为坏死症状，植株矮化。当温度超过 18℃时，感病大麦通常隐症。大麦和性花叶病毒可以单独或与大麦黄花叶病毒混合侵染大麦，引起的症状相似，因其在大麦品种Maris Otter上所表现的症状较轻而得名。最初的症状出现  在刚刚形成的嫩叶上，引起大小不规则的褪绿条斑，并伴随着叶片边缘向上卷曲，然后发展成花叶症状。 这种花叶有时候会导致枯斑、黄化，甚至使老叶加速死亡。和大麦黄花叶病毒一样，症状一般在早春出现，随着天气的变暖而逐渐隐症。当温度超过20℃时，新叶就不显症状。当温度处于5～10℃时，被感染的大麦生长就会迟缓，当土壤湿度很高时，这种现象就更严重。如果这种气候一直延续到4月，植株矮化的现象也就一直持续，尽管矮化的植株可以随着温度的上升而恢复正常，但是仍然会造成严重减产。病毒侵染所引起的症状表现由于不同大麦品种而有所差别，通常感病品种症状严重，抗病品种则无症 或症状轻微，六棱大麦损失较二棱大麦轻。温度是该类病害发展及症状表现的主要决定因素。"}

#05 我的问题如下：

"""

{{此处替换成你上一步生成的问题}}

"""

#06 我的内容如下：

"""

{{此处替换成你的内容}}

"""
'''


def generate_question(text_content):  # 生成问题
    content = "生成8个合适作为问答对的问题"
    prompt = prompt1.replace("{{此处替换成你的内容}}", text_content)
    completion = client.chat.completions.create(
        model="gpt-4",
        messages=[
            {"role": "system", "content": prompt},
            {"role": "user", "content": content}
        ]
    )
    start_time = time.time()
    print("耗时", time.time() - start_time)
    print(completion.choices[0].message)  # 回答
    # print(completion.choices[0].message.content)
    queries_content = completion.choices[0].message.content
    queries = queries_content.strip().split('\n')
    return queries


def generation_answer(text_content, question):
    prompt = prompt2.replace("{{此处替换成你上一步生成的问题}}", question).replace("{{此处替换成你的内容}}", text_content)
    user_content = "根据问题和对应的上下文生成答案，并以问答的形式输出结果。"
    completion = client.chat.completions.create(
        model="gpt-4",
        messages=[
            {"role": "system", "content": prompt},
            {"role": 'user', "content": user_content}
        ]
    )
    start_time = time.time()
    print("耗时", time.time() - start_time)
    # print(completion.choices[0].message)  # 问答对
    print(completion.choices[0].message.content)
    return completion.choices[0].message.content


def read_file(file_name):
    try:
        with open(file_name, "r", encoding='utf-8') as file:
            content = file.read()
        return content
    except FileNotFoundError:
        print(f"File '{file_name}' not found.")


def write_to_file(file_name, content):
    with open(file_name, 'wb') as f:
        pickle.dump(content, f)


def main():
    QA_list = []
    current_path = os.path.abspath(__file__)
    father_path = os.path.abspath(os.path.dirname(current_path))
    file_path = os.path.join(father_path, 'Data', '水稻_03A.txt')
    save_path = os.path.join(father_path, 'Data', '水稻_03A.json')
    text_content = read_file(file_path)
    print('text_content\n', text_content)
    question_text = generate_question(text_content=text_content)
    for q in question_text:
        query = q.split('.')[1] # 针对每个问题生成问答对
        qa = generation_answer(text_content=text_content, question=query)
        QA_list.append(qa)
    write_to_file(save_path,QA_list)

main()