Fine-tuning mit OpenAI-Modellen

Einführung

In diesem Workflow nutzen wir n8n, um OpenAI-Modelle anzupassen. Wir laden ein Trainingsdatensatz von Google Drive herunter, führen das Fein-Tuning durch und ermöglichen eine Interaktion über einen Chatbot. Hier sind die Schritte im Detail:

1. Manual Trigger (Wenn ‚Test workflow‘ angeklickt)

• Typ: n8n-nodes-base.manualTrigger
• Beschreibung: Dieser Knoten dient als manueller Trigger, um den Workflow zu starten, wenn der Benutzer auf „Test workflow“ klickt.

2. Google Drive (Datei herunterladen)

• Typ: n8n-nodes-base.googleDrive
• Beschreibung: Hier laden wir die .jsonl-Datei für das Training von Google Drive herunter.
• Einstellungen:
  • Datei-ID: Die Datei mit den Trainingsdaten hat die ID 1wvlEcbxFIENvqL-bACzlLEfy5gA6uF9J.
  • Optionen: Hier verwenden wir das binäre Eigenschaftsnamen data.jsonl und konvertieren die Google-Datei zu einem PDF-Format.
• Warum: Wir benötigen die Trainingsdaten für das Fein-Tuning unseres Modells.

3. AI-Agent

• Typ: @n8n/n8n-nodes-langchain.agent
• Beschreibung: Dies ist der AI-Agent, der für die Ausführung von Sprachverarbeitungsaufgaben konfiguriert ist.
• Einstellungen: Keine spezifischen Optionen konfiguriert.
• Warum: Um AI-technologische Funktionen zu implementieren.

4. Wenn Chat-Nachricht empfangen

• Typ: @n8n/n8n-nodes-langchain.chatTrigger
• Beschreibung: Dieser Knoten wird aktiv, wenn eine Chat-Nachricht empfangen wird.
• Einstellungen: Enthält eine Webhook-ID, die für die Interaktion erforderlich ist.
• Warum: Um auf eingehende Nachrichten des Benutzers zu reagieren.

5. OpenAI Chat Modell

• Typ: @n8n/n8n-nodes-langchain.lmChatOpenAi
• Beschreibung: Dieser Knoten nutzt das OpenAI-Modell, um Sprachverarbeitung durchzuführen.
• Einstellungen: Das Modell ist ft:gpt-4o-mini-2024-07-18:n3w-italia::AsVfsl7B.
• Warum: Um mit feinjustierten Modellen zu arbeiten.

6. Sticky Note 1

• Typ: n8n-nodes-base.stickyNote
• Beschreibung: Diese Notiz beschreibt den zweiten Schritt im Prozess, nämlich das Erstellen eines neuen Modells aus den Trainingsdaten.
• Warum: Um wichtige Hinweise während der Entwicklung zu geben.

7. Sticky Note 2

• Typ: n8n-nodes-base.stickyNote
• Beschreibung: Diese Notiz beschreibt den ersten Schritt im Workflow, nämlich das Erstellen der Trainingsdatei.
• Warum: Um sicherzustellen, dass alle Schritte klar dokumentiert sind.

8. Datei hochladen

• Typ: @n8n/n8n-nodes-langchain.openAi
• Beschreibung: Dieser Knoten läd die .jsonl-Datei zu OpenAI hoch.
• Einstellungen:
  • Zweck: Fein-Tuning.
  • Ressource: Datei.
  • Binäre Eigenschaftenname: data.jsonl.
• Warum: Der Upload ist notwendig, um der OpenAI-Plattform die Trainingsdaten bereitzustellen.

9. Fein-Tuning-Job erstellen

• Typ: n8n-nodes-base.httpRequest
• Beschreibung: Hierbei handelt es sich um den Knoten zur Erstellung eines Fein-Tuning-Jobs über die API von OpenAI.
• Einstellungen:
  • URL: https://api.openai.com/v1/fine_tuning/jobs.
  • Method: POST.
  • JSON-Körper: Wird eingerichtet, um die Trainingsdatei und das Modell zu definieren.
• Warum: Um den Fein-Tuning-Prozess zu starten.

Ergebnis

Nach der Ausführung dieses Workflows haben wir ein feinjustiertes OpenAI-Modell, das auf unseren spezifischen Trainingsdaten basiert. Dieses Modell kann nun für verschiedene Anwendungsfälle, wie Chatbots, eingesetzt werden.

Für eine detaillierte Anleitung und um den Workflow herunterzuladen, besuchen Sie diese Seite.