I Large Language Models o LLM vengono utilizzati per creare un modello interattivo in grado di comunicare con gli esseri umani nei linguaggi naturali. L'utente deve configurare il modello per i prompt in modo che il modello possa comprendere il testo e quindi generare la risposta in modo efficiente. Per generare il testo in linguaggio naturale, il modello deve essere addestrato sul set di dati in linguaggio naturale.
Questo post illustrerà il processo di creazione dei formati di modello in LangChain.
Come creare formati di modelli in LangChain?
Python è il linguaggio di programmazione più efficace che utilizza “ jinja2 ' E ' fstring ' formati di modello poiché fstring viene utilizzato per impostazione predefinita. Per sapere come creare un formato modello in LangChain, segui semplicemente questa guida:
Prerequisito: installare LangChain
Innanzitutto, installa il framework LangChain che contiene le librerie PromptTemplate che possono essere utilizzate per creare formati di modelli. Il framework LangChain installa tutte le dipendenze richieste per costruire la struttura della query per LLM o chatbot:
pip installa langchain
Metodo 1: utilizzo del modello jinja2
Successivamente, importa la libreria PromptTemplate per utilizzare il modello jinja2 contenente la query con le variabili definite nel metodo prompt.format(). Il formato jinja2 è specificato come parametro del metodo PromptTemplate() e assegnato alla variabile prompt:
da langchain.prompts importa PromptTemplate
jinja2_template = 'Raccontami una poesia in {{ style }} su {{ theme }}'
prompt = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivazionale', tema='terra')
L'output mostra che il modello ha utilizzato correttamente i valori della variabile nella query dopo averla compresa:
Metodo 2: utilizzo del modello fstring
Il secondo metodo utilizza il formato modello fstring che viene utilizzato per impostazione predefinita come PromptTemplate dal linguaggio di programmazione Python. Ad esempio, il “ fstring_template ' contiene la query e quindi chiama il metodo PromptTemplate() con la variabile al suo interno per creare il formato del modello:
da langchain.prompts importa PromptTemplatefstring_template = '''Dimmi una poesia in {stile} su {tema}'''
prompt = PromptTemplate.from_template(fstring_template)
prompt.format(style='motivazionale', tema='terra')
Questo è tutto incentrato sul processo di creazione dei formati dei modelli in LangChain.
Conclusione
Per creare il formato del modello in LangChain, avvia semplicemente il processo installando il framework LangChain. Contiene tutte le dipendenze per l'utilizzo della funzione PromptTemplate(). Utilizza il fstring formato modello predefinito per i linguaggi di programmazione Python. L'utente può anche utilizzare il file jinja2 modello utilizzando il file formato_modello parametro. Questa guida ha spiegato entrambi i formati PromptTemplate per creare il modello in LangChain.