Schreiben ist ein wesentlicher Bestandteil unseres täglichen Lebens. Ob es darum geht, E-Mails zu verfassen, Dokumente zu erstellen oder Geschichten zu erzählen, wir streben nach Klarheit und Genauigkeit. Dennoch kann die Korrektur von Fehlern mit Rechtschreibprüfungen eine Herausforderung sein.

Jetzt kommt das KI-Korrekturlesen ins Spiel, ein fantastisches Tool zum Polieren Ihres Textes. Heute untersuchen wir einfachen Code, der KI nutzt, um Ihr Schreiben zu verbessern und Grammatik, Rechtschreibung, Zeichensetzung und Formatierung zu korrigieren.

Problemstellung

Die Erstellung grammatikalisch korrekter Texte ist entscheidend, aber oft schwierig. Das manuelle Korrekturlesen ist zeitaufwändig und kann Fehler übersehen. Dieser Code verwendet Lyzr.ai, um Text zu prüfen und zu bearbeiten und so die Schreibeffektivität zu verbessern.

Voraussetzungen

Bevor Sie beginnen, sollten Sie die Python-Programmierung verstehen und über einen API-Schlüssel Zugriff auf die OpenAI-API haben. Kenntnisse im Installieren und Importieren von Python-Bibliotheken und dem Framework von Lyzr.ai sind ebenfalls hilfreich.

Lyzr Automata Framework installieren

pip install lyzr-automata

# For Google Colab or notebook
!pip install lyzr-automata

Code und Erklärung

Lassen Sie uns den Code Schritt für Schritt aufschlüsseln.

from lyzr_automata.ai_models.openai import OpenAIModel
from lyzr_automata import Agent, Task
from lyzr_automata.tasks.task_literals import InputType, OutputType
from lyzr_automata.pipelines.linear_sync_pipeline import LinearSyncPipeline
from lyzr_automata import Logger

API_KEY = input('Enter OpenAI API Key')
text = input('Enter the Text Here: ')

Wir beginnen mit dem Importieren der erforderlichen Tools aus der Lyzr.ai-Bibliothek und fordern den Benutzer auf, seinen OpenAI-API-Schlüssel und Text zum Korrekturlesen einzugeben.

open_ai_model_text = OpenAIModel(
    api_key=API_KEY,
    parameters={
        "model": "gpt-4-turbo-preview",
        "temperature": 0.5,
        "max_tokens": 1500,
    },
)

Wir richten das KI-Modell mit dem API-Schlüssel und den Parametern ein und steuern das Verhalten und die Antwortlänge der KI.

def ai_proofreader(text):
    ProofReader = Agent(
        prompt_persona="""You are an expert proofreader who can find grammatical errors, and you excel at checking for grammar, spelling, punctuation, and formatting errors.""",
        role="AI Proofreader",
    )

    rephrase_text = Task(
        name="Rephrasing Text",
        agent=ProofReader,
        output_type=OutputType.TEXT,
        input_type=InputType.TEXT,
        model=open_ai_model_text,
        instructions=f"Check the entire text: '{text}' and rephrase it according to grammar, spelling, punctuation, and formatting errors. [Important] Avoid introduction and conclusion in the response.",
        log_output=True,
        enhance_prompt=False,
        default_input=text
    )

    remarks = Task(
        name="Remarks",
        agent=ProofReader,
        output_type=OutputType.TEXT,
        input_type=InputType.TEXT,
        model=open_ai_model_text,
        instructions=f"Check the entire text: '{text}' and provide remarks in bullet points according to grammar, spelling, punctuation, and formatting errors. [Important] Avoid introduction and conclusion in the response.",
        log_output=True,
        enhance_prompt=False,
        default_input=text
    )

    logger = Logger()

    main_output = LinearSyncPipeline(
        logger=logger,
        name="AI ProofReader",
        completion_message="App Generated all things!",
        tasks=[
            rephrase_text,
            remarks,
        ],
    ).run()

    return main_output

Wir definieren eine Funktion namens ai_proofreader. Im Inneren erstellen wir einen Agenten namens ProofReader, der als erfahrener Korrekturleser fungiert. Es werden zwei Aufgaben erstellt: eine zum Umformulieren von Text und eine weitere zum Angeben von Anmerkungen. Beide Aufgaben nutzen den ProofReader-Agenten und das KI-Modell.

Ein Logger überwacht den Prozess. Anschließend richten wir eine Pipeline ein, die die Aufgaben nacheinander ausführt und korrigierten Text und Anmerkungen liefert.

generated_output = ai_proofreader(text=text)
rephrased_text = generated_output[0]['task_output']
remarks = generated_output[1]['task_output']

Wir rufen die Funktion mit dem Text des Benutzers auf und erhalten den umformulierten Text und die Anmerkungen als Ausgaben.

Beispieleingabe

text = """ I Rajesh have 2  years of experience in python developer, 
I know to create backend applications, 
I am seeking a new role for new learnings """

Ausgabe

""" 
My name is Rajesh, and I possess over two years of experience as a Python developer. 
I am skilled in creating backend applications and am currently seeking a new role to further my learning 

- The phrase "I Rajesh have 2  years of experience in python developer" should be corrected to "I, Rajesh, have over two years of experience as a Python developer." This correction addresses a punctuation issue (adding commas around "Rajesh"), a numerical expression ("2 " to "over two"), and clarifies the role ("in python developer" to "as a Python developer").
- "python" should be capitalized to "Python" to properly denote the programming language.
- The phrase "I know to create backend applications" could be more fluidly expressed as "I know how to create backend applications" or "I am skilled in creating backend applications" for clarity and grammatical correctness.
- The phrase "I am seeking a new role for new learnings" could be improved for clarity and professionalism. A better alternative might be "I am seeking a new role to further my learning" or "I am seeking a new role to continue my professional development."
- The entire passage could benefit from better punctuation and formatting for clarity and flow. For instance, using semicolons or periods to separate independent clauses can improve readability: "My name is Rajesh, and I possess over two years of experience as a Python developer; I am skilled in creating backend applications and am currently seeking a new role to further my learning."
- Consistency in tense and style would improve the professional tone of the passage.
"""

Über Lyzr.ai

Lyzr.ai bietet ein Low-Code-Agent-Entwicklungskit für die schnelle Erstellung von GenAI-Anwendungen. Mit diesem einfachen Agenten-Framework können Sie sichere und zuverlässige generative KI-Anwendungen für verschiedene Zwecke erstellen, einschließlich Korrekturlesen und Schreiben.

Referenzen

Weitere Informationen finden Sie auf der Website von Lyzr, buchen Sie eine Demo oder treten Sie den Community-Kanälen auf Discord und Slack bei.

• Lyzr-Website
• Demo buchen
• Lyzr-Community-Kanäle: Discord, Slack

KI-Korrekturleser: GitHub