People Analytics

🤖📊 Анализ тональности с помощью OpenRouter и пакета tidyprompt в R

Пакет tidyprompt в R упрощает создание промптов и взаимодействие с большими языковыми моделями (LLM). Его можно сравнить с удобством и простотой создания графиков в ggplot2, но для работы с промптами: он вводит "обертки промптов" -- модули, превращающие простые запросы в сложные. Эти обертки не только изменяют текст, но и добавляют функции извлечения и валидации ответов LLM, а также могут отправлять обратную связь модели. С tidyprompt вы можете:
- получать структурированные ответы в нужном формате,
- автоматически отправлять обратную связь LLM для исправления ошибок,
- задавать режимы рассуждений (например, цепочка мыслей или ReAct),
- позволять LLM вызывать функции R или генерировать и выполнять R-код для получения данных или действий.

Оцените краткость кода и удобство работы с LLM. В качестве дополнения к посту:

# install.packages("tidyprompt")
library(tidyprompt)
library(purrr)
library(ggplot2)

# Настройка OpenRouter как LLM провайдера
openrouter <- llm_provider_openrouter(
  parameters = list(
    model = "google/gemini-2.0-flash-lite-preview-02-05:free",  
    stream = FALSE                         
  ),
  verbose = TRUE,                          
  api_key = Sys.getenv("OPENROUTER_API_KEY") 
)

# Создание данных с отзывами сотрудников
reviews_df <- data.frame(
  sentence = c(
    'Работа — как полет на драконе, захватывает дух!',
    'Офис словно темница, где время ползет черепахой.',
    'Коллектив — это банда супергероев, спасающих мой день!',
    'Начальство — как злой волшебник, гасит все идеи.',
    'Начальство — тиран, выжимает все соки.',
    'Техника тут — мечта гиков, хочется обнять сервер!',
    'Рабочий график — это хаос в стиле цирка шапито.',
    'График — как карусель, голова кружится.',
    'Коллектив — как старый свитер, уютно, но не идеал.',
    'Кофе в комнате отдыха спасает, как оазис в пустыне.',
    'Зарплата приходит, как редкий гость, и быстро уходит.',
    'Задачи сыплются, будто камни с горы, без передышки.',
    'Атмосфера тут — как в фильме ужасов, только без попкорна.'
  )
)

# Анализ тональности с помощью gemini-2.0-flash-lite через провайдера OpenRouter
reviews_df$sentiment_score <- map_int(
  reviews_df$sentence,
  function(sentence) {
    paste0(
      'Пожалуйста, оцените по шкале тональность отзыва сотрудника:\n',
      sentence
    ) |>
      answer_as_integer(min = 1, max = 100) |>
      send_prompt(openrouter)
  }
)

ggplot(reviews_df, aes(x = sentiment_score, y = reorder(sentence, sentiment_score))) +
  geom_col(aes(fill = sentiment_score)) +
  scale_fill_viridis_c(option = "plasma", direction = -1) +
  theme_light() + 
  labs(
    title = 'Оценки тональности отзывов сотрудников',
    x = 'Оценка тональности',
    y = 'Отзыв'
  )

#R #ggplot2 #LLM #AIinHR #sentiment_analysis #AI

www.group-telegram.com/us/People_Analytics.com/623

1.1K viewsedited  Mar 1 at 20:03

🤖📊 Анализ тональности с помощью OpenRouter и пакета tidyprompt в R

Пакет tidyprompt в R упрощает создание промптов и взаимодействие с большими языковыми моделями (LLM). Его можно сравнить с удобством и простотой создания графиков в ggplot2, но для работы с промптами: он вводит "обертки промптов" -- модули, превращающие простые запросы в сложные. Эти обертки не только изменяют текст, но и добавляют функции извлечения и валидации ответов LLM, а также могут отправлять обратную связь модели. С tidyprompt вы можете:
- получать структурированные ответы в нужном формате,
- автоматически отправлять обратную связь LLM для исправления ошибок,
- задавать режимы рассуждений (например, цепочка мыслей или ReAct),
- позволять LLM вызывать функции R или генерировать и выполнять R-код для получения данных или действий.

Оцените краткость кода и удобство работы с LLM. В качестве дополнения к посту:

# install.packages("tidyprompt")
library(tidyprompt)
library(purrr)
library(ggplot2)

# Настройка OpenRouter как LLM провайдера
openrouter <- llm_provider_openrouter(
  parameters = list(
    model = "google/gemini-2.0-flash-lite-preview-02-05:free",  
    stream = FALSE                         
  ),
  verbose = TRUE,                          
  api_key = Sys.getenv("OPENROUTER_API_KEY") 
)

# Создание данных с отзывами сотрудников
reviews_df <- data.frame(
  sentence = c(
    'Работа — как полет на драконе, захватывает дух!',
    'Офис словно темница, где время ползет черепахой.',
    'Коллектив — это банда супергероев, спасающих мой день!',
    'Начальство — как злой волшебник, гасит все идеи.',
    'Начальство — тиран, выжимает все соки.',
    'Техника тут — мечта гиков, хочется обнять сервер!',
    'Рабочий график — это хаос в стиле цирка шапито.',
    'График — как карусель, голова кружится.',
    'Коллектив — как старый свитер, уютно, но не идеал.',
    'Кофе в комнате отдыха спасает, как оазис в пустыне.',
    'Зарплата приходит, как редкий гость, и быстро уходит.',
    'Задачи сыплются, будто камни с горы, без передышки.',
    'Атмосфера тут — как в фильме ужасов, только без попкорна.'
  )
)

# Анализ тональности с помощью gemini-2.0-flash-lite через провайдера OpenRouter
reviews_df$sentiment_score <- map_int(
  reviews_df$sentence,
  function(sentence) {
    paste0(
      'Пожалуйста, оцените по шкале тональность отзыва сотрудника:\n',
      sentence
    ) |>
      answer_as_integer(min = 1, max = 100) |>
      send_prompt(openrouter)
  }
)

ggplot(reviews_df, aes(x = sentiment_score, y = reorder(sentence, sentiment_score))) +
  geom_col(aes(fill = sentiment_score)) +
  scale_fill_viridis_c(option = "plasma", direction = -1) +
  theme_light() + 
  labs(
    title = 'Оценки тональности отзывов сотрудников',
    x = 'Оценка тональности',
    y = 'Отзыв'
  )

BY People Analytics