
pipeline 中的最常见位置	灵活
必需的初始化变量	"model": 用于文本分类的 Hugging Face 模型名称或路径 "token": Hugging Face API 令牌。可以通过`HF_API_TOKEN` 或`HF_TOKEN` 环境变量设置。
强制运行变量	“text”: 要根据其分类标签路由到指定输出之一的文本
输出变量	“documents”: 一个字典，其中键是标签，值是文本
API 参考	Routers (路由器)
GitHub 链接	https://github.com/deepset-ai/haystack/blob/main/haystack/components/routers/transformers_text_router.py

概述

TransformersTextRouter 根据其分类标签将文本输入路由到各种输出连接。这对于根据分类将查询路由到管道中的不同模型很有用。

首先，您需要在初始化组件时使用model 参数来设置选定的模型。选定的模型然后提供用于分类的标签集。

您可以另外提供labels 参数——一个字符串列表，包含要分类的每个序列的可能类别标签。如果未提供，组件将使用transformers.AutoConfig.from_pretrained.

从 HuggingFace Hub 托管的模型配置文件中获取标签。要查看参数的完整列表，请查看我们的API 参考。

用法

单独使用

该TransformersTextRouter 单独使用时效果不佳，因为它的主要优势在于在管道中工作。当该组件集成到管道中时，其真正的潜力才能得到释放，它可以高效地将文本路由到最合适的组件。请参阅以下部分以获取完整的用法示例。

在 pipeline 中

下面是一个简单的管道示例，该管道将英语查询路由到针对英语文本优化的文本生成器，并将德语查询路由到针对德语文本优化的文本生成器。

from haystack import Pipeline
from haystack.components.routers import TransformersTextRouter
from haystack.components.builders.chat_prompt_builder import ChatPromptBuilder
from haystack.components.generators.huggingface import HuggingFaceLocalGenerator
from haystack.dataclasses import ChatMessage

p = Pipeline()

p.add_component(
    instance=TransformersTextRouter(model="papluca/xlm-roberta-base-language-detection"),
    name="text_router"
)
p.add_component(
    instance=ChatPromptBuilder(
        template=[ChatMessage.from_user("Answer the question: {{query}}\nAnswer:")],
        required_variables={"query"}
    ),
    name="english_prompt_builder"
)
p.add_component(
    instance=ChatPromptBuilder(
        template=[ChatMessage.from_user("Beantworte die Frage: {{query}}\nAntwort:")],
        required_variables={"query"}
    ),
    name="german_prompt_builder"
)
p.add_component(
    instance=HuggingFaceLocalGenerator(model="DiscoResearch/Llama3-DiscoLeo-Instruct-8B-v0.1"),
    name="german_llm"
)
p.add_component(
    instance=HuggingFaceLocalGenerator(model="microsoft/Phi-3-mini-4k-instruct"),
    name="english_llm"
)

p.connect("text_router.en", "english_prompt_builder.query")
p.connect("text_router.de", "german_prompt_builder.query")
p.connect("english_prompt_builder.messages", "english_llm.messages")
p.connect("german_prompt_builder.messages", "german_llm.messages")

# English Example
print(p.run({"text_router": {"text": "What is the capital of Germany?"}}))

# German Example
print(p.run({"text_router": {"text": "Was ist die Hauptstadt von Deutschland?"}}))

其他参考资料

📓 教程：使用 TransformersTextRouter 和 TransformersZeroShotTextRouter 进行查询分类