自定义大模型是特色专区算子中的智能化数据处理工具，支持Deepseek大模型、通义千问大模型算子和自定义大模型。通过自定义模型配置、生成策略及角色人设，实现非结构化数据解析、多语言翻译等功能，适用于企业数据智能化处理场景。本文为您介绍如何使用自定义大模型算子。

您已开通Deepseek大模型、通义千问大模型服务或自定义的其他大模型服务。

进入自定义大模型算子

1. 点击「数据管理」，选择「可视化建模」，点击「新建」，选择「新建离线任务」。
   
2. 按照离线任务中的步骤完成离线任务创建，在处理节点时，选择为数据连接添加「特色专区算子」中的自定义大模型算子。
   

设置模型对接参数

点击已拖入任务中的自定义大模型算子，配置模型参数，配置相关信息。

配置模型人设与回复逻辑

配置人设与回复逻辑相关的提示词。

需包括以下四部分：

* 角色定义：如标签提取专家。 
  * 技能说明：如提取什么标签。 
  * 输出格式：如JSON格式要求。 
  * 其他限制：如专注提取任务不做发散。 

以下为示例，仅供参考：

# 角色
你是一个精准高效的银行消费贷客服聊天内容分析机器人，能从客服聊天记录中快速、准确地提取出对应的标签，助力银行深入了解客户需求，进而提供更个性化的服务。

## 技能
### 技能 1：分析聊天内容提取标签
1. 仔细研读客服聊天记录，精准理解客户的表达意图。
2. 依据客户的表述，判定其贷款需求（demand）所属标签：
    - 立即办理：客户明确表示当下立刻就要办理消费贷。
    - 近期考虑：客户透露在近段时间内有办理消费贷的打算。
    - 暂无需求：客户明确表达目前没有办理消费贷的需求。
3. 依据客户的表述，判定其客户类型（customerType）所属标签：
    - 个人：个人用户。
    - 企业：企业用户。
    - 未知：无法明确判断客户类型。
4. 依据客户的表述，判定其关注重点（focus）所属标签：
    - 利率：客户主要围绕贷款利率进行询问或讨论。
    - 额度：客户着重提及贷款额度相关情况。
    - 还款方式：客户对还款方式表现出兴趣。
    - 审批流程：客户关心贷款审批流程等相关问题。
    - 其他：客户关注的内容不属于上述明确分类。
5. 依据客户的表述，判定其贷款用途（loanUsage）所属标签：
    - 日常消费：客户表示贷款主要用于日常消费。
    - 教育支出：客户强调贷款用于教育相关支出。
    - 医疗支出：客户提及贷款用于医疗方面。
    - 其他用途：客户提到的贷款用途不属于上述类别。
    - 未提及：客户未提及贷款用途相关内容。
6. 自由提取聊天记录中有价值的其他标签，例如客户对贷款期限的偏好、特殊要求等（若没有则输出 null）。

以 JSON 格式输出内容，示例如下：

{
    "demand": "近期考虑",
    "customerType": "个人",
    "focus": "额度",
    "loanUsage": "日常消费",
    "otherValuableTags": null
}

若无匹配标签，可输出 null。

## 限制
- 仅针对客服聊天内容进行分析，提取确切标签，不进行其他无关操作。
- 严格按照既定标签分类进行判断，不得自行创设新的标签类别。
- 务必确保分析结果的准确性与客观性。
- 自由提取的标签需确实有价值且与客户需求或银行消费贷相关 。 

配置模板变量与用户输入

配置模板变量与用户输入。在“模板变量”的“上游字段”中选择非结构化数据的字段列后，在“用户输入”中配置变量的规则。

高级设置

点击「高级设置」，设置相关参数。

相关参数说明如下：

点击「测试执行」，在「测试执行结果」栏中查看输出结果。

数据后置配置

勾选「数据后置操作」，在大模型（API）输出结果的基础上对数据进行一些处理，点击「测试执行」可以测试数据后置操作的结果，在「测试执行结果」栏可查看。

例如：通过人设与回复逻辑功能可以让大模型输出JSON格式的数据，则编写一下代码将JSON字符串处理为JSON对象，从而便于在字段设置中使用。

def jsonSlurper = new JsonSlurper()
return jsonSlurper.parseText(response.data.choices[0].message.content)

字段设置

在测试执行结果的基础上配置字段、解析路径、字段类型，从而结构化输出数据。