Questo post illustrerà il processo di creazione di applicazioni LangChain utilizzando il modello di prompt e il parser di output.
Come creare applicazioni LangChain utilizzando il modello di prompt e il parser di output?
Per creare l'applicazione LangChain utilizzando il modello di prompt e il parser di output, segui semplicemente questa semplice guida:
Passaggio 1: installa LangChain
Innanzitutto, avvia il processo di creazione delle applicazioni LangChain installando il framework LangChain utilizzando il pulsante ' pip 'comando:
pip installa langchain
Passaggio 2: utilizzo del modello di prompt
Dopo aver installato i moduli LangChain, importa il file “ Modello Prompt ' per creare un modello di prompt fornendo una query affinché il modello comprenda la domanda:
da langchain.prompts importa PromptTemplate
prompt = PromptTemplate.from_template('Qual è una buona combinazione di colori per {prodotto}?')
prompt.format(prodotto='calzini colorati')
L'output combina automaticamente la frase con il valore di ' Prodotto 'variabile:
Successivamente, crea un altro modello di prompt importando le librerie HumanMessagePromptTemplate, ChatPromptTemplate e SystemMessagePromptTemplate da LangChain:
dall'importazione langchain.prompts.chat (ModelloPromptChat,
ModelloPromptMessaggiodisistema,
ModelloPromptMessageHuman,
)
#Configura il modello di prompt per il modello LangChain
template = 'Sei un aiutante che traduce da {input_lingual} a {output_lingual}'
system_message_prompt = SystemMessagePromptTemplate.from_template(modello)
modello_umano = '{testo}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_messages(input_lingual='francese', output_lingual='inglese', text='mi piace l'intelligenza artificiale')
Dopo aver importato tutte le librerie richieste, costruisci semplicemente il modello personalizzato per le query utilizzando la variabile template:
I modelli di prompt vengono utilizzati solo per impostare il modello per la query/domanda e non risponde con alcuna risposta alla domanda. Tuttavia, la funzione OutputParser() può estrarre le risposte come spiegato nella sezione seguente con l'esempio:
Passaggio 3: utilizzo del parser di output
Ora importa la libreria BaseOutputParser da LangChain per separare i valori di testo separati da virgole e restituire l'elenco nell'output:
da langchain.schema importa BaseOutputParserclasse CommaSeparatedListOutputParser(BaseOutputParser):
def parse(self, testo: str):
restituisce testo.strip().split(', ')
CommaSeparatedListOutputParser().parse('Grazie, benvenuto')
Si tratta di creare l'applicazione LangChain utilizzando il modello di prompt e il parser di output.
Conclusione
Per creare un'applicazione LangChain utilizzando il modello di prompt e il parser di output, è sufficiente installare LangChain e importare le librerie da esso. La libreria PromptTemplate viene utilizzata per creare la struttura per la query in modo che il modello possa comprendere la domanda prima di estrarre le informazioni utilizzando la funzione Parser(). La funzione OutputParser() viene utilizzata per recuperare risposte in base alle query personalizzate in precedenza. Questa guida ha spiegato il processo di creazione di applicazioni LangChain utilizzando il modello di prompt e il parser di output.