Šis įrašas parodys „LangChain“ programų kūrimo procesą naudojant „Prompt Template“ ir „Output Parser“.
Kaip sukurti „LangChain“ programas naudojant greitąjį šabloną ir išvesties analizatorių?
Norėdami sukurti „LangChain“ programą naudodami raginimo šabloną ir išvesties analizatorių, tiesiog peržiūrėkite šį paprastą vadovą:
1 veiksmas: įdiekite „LangChain“.
Pirmiausia pradėkite „LangChain“ programų kūrimo procesą įdiegdami „LangChain“ sistemą naudodami „ pip “ komanda:
pip įdiegti langchain
2 veiksmas: naudokite raginimo šabloną
Įdiegę „LangChain“ modulius, importuokite „ PromptTemplate “ biblioteką, kad sukurtumėte greitą šabloną, pateikdami modeliui užklausą, kad suprastų klausimą:
iš langchain.prompts importuoti PromptTemplate
prompt = PromptTemplate.from_template('Koks tinkamas spalvų derinys {produktui}?')
prompt.format(product='spalvingos kojinės')
Išvestis automatiškai sujungė sakinį su „ produktas “ kintamasis:
Po to sukurkite kitą raginimo šabloną, importuodami HumanMessagePromptTemplate, ChatPromptTemplate ir SystemMessagePromptTemplate bibliotekas iš LangChain:
iš langchain.prompts.chat importo (ChatPromptTemplate,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
)
#Konfigūruokite „LangChain“ modelio raginimo šabloną
template = 'Jūs esate pagalbininkas, kuris verčia iš {input_language} į {output_language}'
system_message_prompt = SystemMessagePromptTemplate.from_template(template)
human_template = '{tekstas}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_messages(input_language='prancūzų', output_language='anglų', text='man patinka AI')
Importavę visas reikalingas bibliotekas, tiesiog sukurkite tinkintą užklausų šabloną naudodami šablono kintamąjį:
Raginimo šablonai naudojami tik užklausos / klausimo šablonui nustatyti ir neatsako į klausimą. Tačiau funkcija OutputParser() gali išgauti atsakymus, kaip paaiškinta toliau pateiktame pavyzdyje:
3 veiksmas: naudokite išvesties analizatorių
Dabar importuokite „BaseOutputParser“ biblioteką iš „LangChain“, kad atskirtumėte teksto reikšmes, atskirtas kableliais, ir grąžintumėte sąrašą išvestyje:
iš langchain.schema importuoti BaseOutputParserklasė CommaSeparatedListOutputParser(BaseOutputParser):
def analizuoti(savarankiškai, tekstas: str):
grąžinti text.strip().split(', ')
CommaSeparatedListOutputParser().parse('Ačiū, Sveiki atvykę')
Tai viskas apie „LangChain“ programos kūrimą naudojant raginimo šabloną ir išvesties analizatorių.
Išvada
Norėdami sukurti „LangChain“ programą naudodami raginimo šabloną ir išvesties analizatorių, tiesiog įdiekite „LangChain“ ir importuokite iš jos bibliotekas. Biblioteka PromptTemplate naudojama užklausos struktūrai sukurti, kad modelis galėtų suprasti klausimą prieš išgaunant informaciją naudojant funkciją Parser (). Funkcija OutputParser() naudojama gauti atsakymus pagal anksčiau pritaikytas užklausas. Šiame vadove paaiškintas „LangChain“ programų kūrimo procesas naudojant raginimo šabloną ir išvesties analizatorių.