diff --git a/11-integrating-with-function-calling/translations/ja-jp/README.md b/11-integrating-with-function-calling/translations/ja-jp/README.md index 40244d276..26efa2d1e 100644 --- a/11-integrating-with-function-calling/translations/ja-jp/README.md +++ b/11-integrating-with-function-calling/translations/ja-jp/README.md @@ -12,10 +12,6 @@ このレッスンでは、以下の内容を取り扱います： -- Explain what is function calling and its use cases. -- Creating a function call using Azure OpenAI. -- How to integrate a function call into an application. - - 関数呼び出し (function calling) とは何か、その使用例について説明します。 - Azure OpenAI を使用して関数呼び出しを作成します。 - 関数呼び出しをアプリケーションに統合する方法を学びます。 @@ -24,8 +20,8 @@ このレッスンを終えると、下記ができるようになります： -- 関数呼び出しを使用する目的を説明できます。 -- Azure Open AI Service を使用して関数呼び出しをセットアップできます。 +- 関数呼び出しの使用理由を説明できます。 +- Azure Open AI Service を使用して関数呼び出しアプリを構築できます。 - アプリケーションのユースケースに適した効果的な関数呼び出しを設計できます。 ## シナリオ：関数を用いてチャットボットを改善する @@ -146,13 +142,13 @@ json_response1 ``` - 応答1： + 応答 1： ```json { "name": "Emily Johnson", "major": "コンピューターサイエンス", "school": "Duke University", "grades": "3.7", "club": "チェス・クラブ" } ``` - Response 2: + 応答 2: ```json { "name": "Michael Lee", "major": "コンピューターサイエンス", "school": "Stanford University", "grades": "3.8 GPA", "club": "ロボティクス・クラブ" } @@ -164,7 +160,7 @@ それでは、出力フォーマットの問題をどのようにして解決すればよいのでしょうか。関数呼び出しを使用することで、構造化されたデータを確実に受け取ることができます。関数呼び出しを使用する場合、LLM は実際には特定の関数を呼び出したり実行したりしません。代わりに、LLM は構造化された回答を作成します。その後、これらの構造化された回答を使用して、アプリケーションで実行する関数を決定します。 -![function flow](./images/Function-Flow.png?WT.mc_id=academic-105485-koreyst) +![function flow](../../images/Function-Flow.png?WT.mc_id=academic-105485-koreyst) 関数から返された結果を取得し、それを LLM に送り返すことができます。その後、LLM は自然言語を使用して利用者の問い合わせに回答します。 @@ -186,7 +182,7 @@ 2. **読み取り**：モデルからの回答を読み取り、アクションを実行します。つまり、関数を実行したり、API 呼び出しを行ったりします。 3. **再呼び出し**：関数からの応答を用いて、Chat Completions API を再度呼び出し、その情報を使用してユーザーへの回答を作成します。 -![LLM Flow](./images/LLM-Flow.png?WT.mc_id=academic-105485-koreyst) +![LLM Flow](../../images/LLM-Flow.png?WT.mc_id=academic-105485-koreyst) ### ステップ1 - メッセージの作成