一个持续学习的LLM方法（第2部分）

捕捉参加的会议和网络研讨会

在本系列的第一部分中，我概述了我想要完成这个据称有用但过度设计的项目的工作。回顾一下，作为持续教育的证明，我想要：

(在第一部分完成) 使用具有视觉功能的LLMs（GPT 40-mini）记录已阅读的书籍，提取书名、作者，并根据预定义的标签（例如，能力训练、商业敏锐度、工作方式）对书籍进行推理和分类。
（第2部分的重点）通过将参加的会议和网络研讨会记录在Airtable中，通过在日历中记录这些活动。同样，我们将利用LLM将会议/网络研讨会分类为相同的预定义标签。
第三部分的重点是与已阅读的文章进行“聊天”。仍在思考中。但理想情况下，我希望要么尝试使用谷歌的NotebookLM，要么使用除RAG之外的技术，如微调。

进行一个小迂回 - 重新评估使用Llama 3.2记录阅读书籍的视角

从上一篇帖子到现在，发生了Llama 3.2。这很有趣，因为它是开源的，具有多模式功能，并且应该和领先的（且价格实惠）模型如GPT 40-mini 和 Claude 3-Haiku 一样强大。

重新使用相同的4本书封面，我尝试使用Llama 3.2 11B和90B模型提取书名和作者。除了为一些书籍分配不同的类别标签之外，这两个模型都能很好地捕捉到书名（包括副标题）和作者。

记录参加的会议和网络研讨会

大多数(如果不是全部)我的会议/网络研讨会活动都记录在我的日历中。因此，将日历中插入的相关日历条目的检索自动化，通过REST API发送它们进行处理，然后将记录插入到我选择的数据库Airtable中是有意义的。在这篇文章中，我将描述Office 365的流程，但是该架构应该适用于大多数流行的电子邮件/日历平台，如以下所示：

为了从Office 365检索日历条目，微软的Power Automate实际上是一个非常自然和简单的流程自动化平台。我可以很快地创建工作流程，检索相关的日历条目（标有学习标签），并将元数据（如主题、内容、开始和结束日期时间）发送到我定制的REST API。

Workflow in Microsoft’s Power Automate {Desmond Loh}

对于我的自定义API，我创建了以下Pydantic模型来记录我的会议/网络研讨会。除了建议活动类别外，我接受了来自我上一篇帖子的反馈（感谢Ong Ting Wei），让GPT 40-mini根据它在活动网站上找到的材料生成一个简短的摘要，这些材料是从日历条目的正文中提取的。

# Create a Pydantic model for the LLM to capture the webinar in a structured format
class Webinar(BaseModel):
    Title: str
    Description: str
    Category: str
    StartDate: str
    EndDate: str
    Summary: str

# Get the AI to generate the summary
completion = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
      {
        "role": "system",
        "content": [
          {
            "type": "text",
            "text": "Based on the title of the webinar or conference attended, 
                     search the URLs provided as part of the context to gather 
                     information and summarise a synopsis for the event in 
                     300 words or less. If you are unable to find relevant 
                     resources, do not guess and just return a response of NIL only."
          },
        ]
      },
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": f"Title: {subject} and Context: {body}"
          }
        ]
      },
    ],
    temperature=0.1,
    max_tokens=2048,
    response_format={
      "type": "text"
    }
)
summary = completion.choices[0].message.content

# Create the conference/webinar record in Airtable with the 
# AI generated summary & category
webinar = Webinar(Title=f"{subject}",
                      Description=f"{body}",
                      Category=category,
                      StartDate=f"{startdate}",
                      EndDate=f"{enddate}",
                      Summary=summary)
record = webinar_table.create(webinar.model_dump())