Dette innlegget vil illustrere prosessen med å bygge LangChain-applikasjoner ved hjelp av promptmal og utdataparser.
Hvordan bygge LangChain-applikasjoner ved å bruke ledetekstmal og utdataparser?
For å bygge LangChain-applikasjonen ved å bruke ledetekstmalen og utdataparseren, gå ganske enkelt gjennom denne enkle veiledningen:
Trinn 1: Installer LangChain
Start først prosessen med å bygge LangChain-applikasjoner ved å installere LangChain-rammeverket ved å bruke ' pip ' kommando:
pip installer langkjede
Trinn 2: Bruke ledetekstmal
Etter å ha installert LangChain-modulene, importer ' PromptTemplate ”-biblioteket for å bygge en ledetekstmal ved å gi en spørring for at modellen skal forstå spørsmålet:
fra langchain.prompts importer PromptTemplate
prompt = PromptTemplate.from_template('Hva er en god fargekombinasjon for {product}?')
prompt.format(product='fargerike sokker')
Utdata kombinerte automatisk setningen med verdien av ' produkt variabel:
Deretter bygger du en annen ledetekstmal ved å importere HumanMessagePromptTemplate-, ChatPromptTemplate- og SystemMessagePromptTemplate-bibliotekene fra LangChain:
fra langchain.prompts.chat import (ChatPromptTemplate,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
)
#Konfigurer ledetekstmalen for LangChain-modellen
template = 'Du er en hjelper som oversetter {input_language} til {output_language}'
system_message_prompt = SystemMessagePromptTemplate.from_template(mal)
human_template = '{tekst}'
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='fransk', output_language='engelsk', text='Jeg liker AI')
Etter å ha importert alle de nødvendige bibliotekene, konstruer ganske enkelt den tilpassede malen for spørringene ved å bruke malvariabelen:
Spørsmålene brukes kun til å angi malen for spørringen/spørsmålet, og den svarer ikke med noe svar på spørsmålet. Imidlertid kan OutputParser()-funksjonen trekke ut svar som følgende seksjon forklarer med eksempelet:
Trinn 3: Bruke Output Parser
Importer nå BaseOutputParser-biblioteket fra LangChain for å skille tekstverdiene atskilt med kommaer og returnere listen i utdataene:
fra langchain.schema import BaseOutputParserklasse CommaSeparatedListOutputParser(BaseOutputParser):
def parse(selv, tekst: str):
returner text.strip().split(', ')
CommaSeparatedListOutputParser().parse('Takk, velkommen')
Det handler om å bygge LangChain-applikasjonen ved å bruke ledetekstmalen og utdataparseren.
Konklusjon
For å bygge en LangChain-applikasjon ved å bruke ledetekstmalen og utdataparseren, installerer du bare LangChain og importerer biblioteker fra den. PromptTemplate-biblioteket brukes til å bygge strukturen for spørringen slik at modellen kan forstå spørsmålet før den trekker ut informasjon ved å bruke Parser()-funksjonen. OutputParser()-funksjonen brukes til å hente svar basert på spørringene som er tilpasset tidligere. Denne veiledningen har forklart prosessen med å bygge LangChain-applikasjoner ved å bruke ledetekstmalen og utdataparseren.