Generieren von Produktbeschreibungen mit der TextCortex-API

Wir sind bestrebt, unserer API neue Funktionen hinzuzufügen. Unsere neueste API-Lösung sind erweiterte Produktbeschreibungen.

Es gibt mehrere Möglichkeiten, die TextCortex-API zu verwenden. Im Mittelpunkt der Interaktion steht die „Eingabeaufforderung“, die unseren KI-Modellen Anweisungen gibt, was sie erstellen sollen.

Generieren der Produktbeschreibung mit der erweiterten API

Was ist die erweiterte Produktbeschreibungs-API:

Unsere Benutzer brauchen ein Tool, das in seiner Ausgabe zuverlässig ist und ihnen das bietet, was sie brauchen. In der Vergangenheit haben wir nur "Produkttitel" verwendet, um Beschreibungen zu generieren. Wir haben jetzt „Produktmerkmale“ hinzugefügt, die hinzugefügt werden können, um genauere Beschreibungen zu erstellen und eine hohe Input-to-Output-Relevanz für unsere Benutzer zu erhalten.

Der Kern jedes API-Aufrufs ist die „Eingabeaufforderung“, die unseren KI-Modellen mitteilt, worüber sie schreiben sollen. Im Allgemeinen helfen mehr Informationen der KI, bessere und relevantere Texte für Ihre Bedürfnisse zu erstellen.

Wenn Sie Ihren "Prompt" erstellt haben, müssen Sie ihn nur noch mit dem API-Schlüssel an unseren API-Endpunkt senden.

Angenommen, Ihre Produktdetails lauten wie folgt:

Produktname: Gucci Skinny Damenjeans

Marke: Gucci

Kategorie: 'Bekleidung, Schuhe & Schmuck', 'Damen'

Merkmale: 'Größe: Medium', 'Farbe: Rosa', 'Stil: Slim Fit', 'Materialien: Baumwolle 98 %, Elastan 2 %'

In diesem Fall müssen Sie eine vollständige Zeichenfolge wie die folgende erstellen, um sie an unsere API zu senden. Vollständige Eingabeaufforderung dafür wäre:

Produktname: 'Gucci Skinny Damen Jeans' Marke: 'Gucci' Kategorie: ['Kleidung, Schuhe & Schmuck', 'Damen'] Eigenschaften: ['Größe: Medium', 'Farbe: Rosa', 'Stil: Slim Fit' , 'Materialien:Baumwolle 98%, Elastan 2%'] Produktbeschreibung:

 # An example about how to build the prompt programatically using python product_name = 'Gucci Skinny women jeans' brand = 'Gucci' features = ['Size: Medium', 'Color: Pink', 'Style:Slim Fit', 'Materials:Cotton 98%, Elastane 2%'] category = ['Clothing, Shoes & Jewelry', 'Women'] prompt = 'Product name: "' + product_name + '" Brand: "' + brand + \ '" Category: ' + str(category) + \ ' Features: ' + str(features) + ' Product Description:' # You can use our python package to directly generate text from textcortex import TextCortex hemingwai = TextCortex(api_key='YOUR_API_KEY') generate_content = hemingwai.generate(prompt=prompt, target_segment='', character_count=1152, source_language='en', creativity=0.7) print(generate_content) ''' Output: [{'generated_text': " This pair of women's jeans from Gucci is perfect for the modern woman who wants to look great while still being comfortable. The classic slim-fit design is made of high quality fabric that feels soft to the touch. The pink color is perfect for any outfit and can be paired with everything from a simple white shirt to a pair of heels.", 'rank': 0.7143, 'text_length': 336, 'word_frequency': [], 'word_count': 62}] '''

Methode 1: Request-Response mit Produktfeatures:

Um eine hohe Input-to-Output-Relevanz zu erreichen, ist es

Wie bereits erwähnt, ist es wichtig, die allgemeine Eingabeaufforderungsstruktur beizubehalten und die Produktinformationen innerhalb der Pipeline entsprechend aus Ihrem Datenverwaltungssystem in unsere API hinzuzufügen.

Im unten stehenden Request-Response-Beispiel sehen Sie, dass es innerhalb der „Eingabeaufforderung“ des Aufrufs eine definierte Struktur von Funktionen gibt, die beibehalten und als Zeichenfolge an unsere API gesendet werden müssen.

Wenn Ihnen beispielsweise detaillierte Produktfunktionen zur Verfügung stehen, können Sie eine Aufforderung wie die folgende senden:

 curl -XPOST -H "Content-type: application/json" -d '{ "prompt": "Product name: 'Gucci Skinny women jeans' Brand: 'Gucci' Category: ['Clothing, Shoes & Jewelry', 'Women'] Features: ['Size: Medium', 'Color: Pink', 'Style:Slim Fit', 'Materials:Cotton 98%, Elastane 2%'] Product Description:", "category": "Product Description", "target_segment": "", "source_language": "auto", "creativity": 0.7, "character_count": 512, "api_key": "YOUR_API_KEY" }' "https://api.textcortex.com/hemingwai/generate_text"

Antwort

 { "status": "success", "ai_results": [ { "generated_text": " The Gucci jeans are the perfect combination of comfort and style. Made from soft and supple cotton with a slim fit, these women's jeans will ensure you look and feel your best.", "rank": 0.6757, "text_length": 178, "word_frequency": [], "word_count": 32 } ], "error": 200 }

Methode 2: Request-Response-Arbeiten mit spärlichen Daten, auch bekannt als. Was ist, wenn Sie nicht alle Produktfunktionen haben:

Falls Sie nicht genügend Produktdaten haben, können Sie nur den "Produkttitel" senden, um die Produktbeschreibung zu erhalten.

Da die KI keine Anweisungen zu Produktmerkmalen hat, kann sie gemeinsame Merkmale in Bezug auf das Produkt enthalten oder verwenden.

Um eine hohe Input-Output-Relevanz zu kontrollieren und aufrechtzuerhalten, fügen Sie dem Modell so viele Informationen wie möglich hinzu. Ähnlich wie bei einem Menschen, je mehr Anweisungen und Onboarding jemand für eine Aufgabe hat, desto besser und schneller kann er arbeiten.

Anfrage:

 curl -XPOST -H "Content-type: application/json" -d '{ "prompt": "Product name: 'Balenciaga Mens Sports Shoes - Black'", "category": "Auto Complete", "target_segment": "", "source_language": "auto", "creativity": 0.7, "character_count": 512, "api_key": "YOUR_API_KEY" }' "https://api.textcortex.com/hemingwai/generate_text"

Antwort:

 { "status": "success", "ai_results": [ { "generated_text": " The Gucci jeans are the perfect combination of comfort and style. Made from soft and supple cotton with a slim fit, these women's jeans will ensure you look and feel your best.", "rank": 0.6757, "text_length": 178, "word_frequency": [], "word_count": 32 } ], "error": 200 }

‍

Das ist es! Sie haben es geschafft :) Wenn Sie an einer einfacheren Methode zur programmatischen Generierung von Inhalten arbeiten möchten, sehen Sie sich unsere Python- und Javascript-Pakete an:

TextCortex-Textgenerator-Python-Paket

TextCortex-Textgenerator-JavaScript-Paket

‍