Dette indlæg vil illustrere processen med at bygge LangChain-applikationer ved hjælp af promptskabelon og outputparser.
Hvordan bygger man LangChain-applikationer ved hjælp af promptskabelon og outputparser?
For at bygge LangChain-applikationen ved hjælp af promptskabelonen og outputparseren skal du blot gennemgå denne nemme vejledning:
Trin 1: Installer LangChain
Start først processen med at bygge LangChain-applikationer ved at installere LangChain-rammeværket ved hjælp af ' pip kommando:
pip installer langkæde
Trin 2: Brug af promptskabelon
Efter installation af LangChain-modulerne skal du importere ' PromptTemplate ”-bibliotek til at bygge en promptskabelon ved at give en forespørgsel til modellen for at forstå spørgsmålet:
fra langchain.prompts importer PromptTemplate
prompt = PromptTemplate.from_template('Hvad er en god farvekombination for {product}?')
prompt.format(product='farverige sokker')
Outputtet kombinerede automatisk sætningen med værdien af ' produkt variabel:
Byg derefter en anden promptskabelon ved at importere HumanMessagePromptTemplate-, ChatPromptTemplate- og SystemMessagePromptTemplate-bibliotekerne fra LangChain:
fra langchain.prompts.chat import (ChatPromptTemplate,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
)
#Konfigurer promptskabelonen for LangChain-modellen
template = 'Du er en hjælper, der oversætter {input_language} til {output_language}'
system_message_prompt = SystemMessagePromptTemplate.from_template(template)
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 kan godt lide AI')
Efter at have importeret alle de nødvendige biblioteker, skal du blot konstruere den tilpassede skabelon til forespørgslerne ved hjælp af skabelonvariablen:
Promptskabelonerne bruges kun til at indstille skabelonen for forespørgslen/spørgsmålet, og den svarer ikke med noget svar på spørgsmålet. Men funktionen OutputParser() kan udtrække svar, som det følgende afsnit forklarer med eksemplet:
Trin 3: Brug af Output Parser
Importer nu BaseOutputParser-biblioteket fra LangChain for at adskille tekstværdierne adskilt med kommaer og returnere listen i outputtet:
fra langchain.schema import BaseOutputParserklasse CommaSeparatedListOutputParser(BaseOutputParser):
def parse(selv, tekst: str):
returner text.strip().split(', ')
CommaSeparatedListOutputParser().parse('Tak, velkommen')
Det handler om at bygge LangChain-applikationen ved hjælp af promptskabelonen og outputparseren.
Konklusion
For at bygge en LangChain-applikation ved hjælp af promptskabelonen og outputparseren skal du blot installere LangChain og importere biblioteker fra den. PromptTemplate-biblioteket bruges til at bygge strukturen for forespørgslen, så modellen kan forstå spørgsmålet, før den uddrager information ved hjælp af Parser()-funktionen. Funktionen OutputParser() bruges til at hente svar baseret på de tidligere tilpassede forespørgsler. Denne guide har forklaret processen med at bygge LangChain-applikationer ved hjælp af promptskabelonen og outputparseren.