Asignar roles en el chat

Trabajar con Llama 3

Imtihan Ahmed

Machine Learning Engineer

Definir roles

  • Afinar el tono del modelo
  • Ejemplo: chatbot de soporte

Conversación con un chatbot - 1

Trabajar con Llama 3

Definir roles

  • Afinar el tono del modelo
  • Ejemplo: chatbot de soporte

Conversación con un chatbot - 2

Trabajar con Llama 3

Definir roles

  • Afinar el tono del modelo
  • Ejemplo: chatbot de soporte

Conversación con un chatbot - 3

Trabajar con Llama 3

Usar roles en la finalización de chat

  • Roles de chat para guiar las respuestas de Llama

Screenshot 2025-02-26 at 15.32.28.png

  • Define la personalidad y el estilo

 

Screenshot 2025-02-26 at 15.31.50.png

  • Representa a quien hace la pregunta
Trabajar con Llama 3

Usar roles en la finalización de chat

  • Enviar una conversación estructurada

  • Función create_chat_completion()

from llama_cpp import Llama

llm = Llama(model_path="path/to/model.gguf")


message_list = [...] # This list includes roles


response = llm.create_chat_completion(

        messages = message_list

)
Trabajar con Llama 3

El rol de sistema

  • Mensaje de sistema: instrucciones sobre cómo debe comportarse el modelo
system_message = "You are a business consultant who gives data-driven answers."



message_list = [{

                 "role": "system",

                 "content": system_message

                 }]
Trabajar con Llama 3

El rol de usuario

  • Mensaje de usuario: el prompt que se le hace al modelo
system_message = "You are a business consultant who gives data-driven answers."

user_message = "What are the key factors in a successful marketing strategy?"


message_list = [{"role": "system", "content": system_message},

                {
                 "role": "user",
                 "content": user_message
                 }

                ]
Trabajar con Llama 3

Generar la respuesta

from llama_cpp import Llama
llm = Llama(model_path="path/to/model.gguf")

system_message = "You are a business consultant who gives data-driven answers."
user_message = "What are the key factors in a successful marketing strategy?"

message_list = [{"role": "system", "content": system_message},
               {"role": "user", "content": user_message}]


response = llm.create_chat_completion(messages = message_list)
print(response)

{'id': ..., 'object': ..., 'created': ..., 'model': ..., 'choices': [...], ...}
Trabajar con Llama 3

El rol de asistente

response["choices"][0]

Salida de la respuesta

Trabajar con Llama 3

El rol de asistente

response["choices"][0]

Salida con mensaje resaltado

Trabajar con Llama 3

El rol de asistente

response["choices"][0]

Salida con rol resaltado

Trabajar con Llama 3

El rol de asistente

response["choices"][0]

Salida con contenido resaltado

result['choices'][0]['message']['content']

'A successful marketing strategy relies on clear objectives, established 
through specific, measurable goals. Understanding the target audience ...'
Trabajar con Llama 3

¡Vamos a practicar!

Trabajar con Llama 3

Preparing Video For Download...