LangChain è il framework contenente più dipendenze e librerie che possono essere utilizzate per creare modelli linguistici di grandi dimensioni. Questi modelli possono essere utilizzati per interagire con gli esseri umani, ma prima il modello deve imparare come ottenere/comprendere la richiesta/domanda posta dall'umano. Per questo, il modello deve essere addestrato sui modelli di prompt e quindi l'utente pone la domanda all'interno del modello fornito.
Questa guida illustrerà il processo di creazione di modelli di prompt in LangChain.
Come creare modelli di prompt in LangChain?
Per creare modelli di prompt in LangChain, segui semplicemente la seguente guida con più passaggi:
Passaggio 1: installazione dei moduli e dell'ambiente di configurazione
Avvia il processo di creazione di modelli di prompt in LangChain installando il framework LangChain:
pip installa langchain
Ora installa i moduli OpenAI per accedere alle sue librerie e impostare un ambiente che lo utilizza:
pip installa openai 
Imposta il Ambiente OpenAI utilizzando la libreria del sistema operativo per accedere al sistema operativo e fornire la chiave API OpenAI:
importaciimporta getpass
os.environ['OPENAI_API_KEY'] = getpass.getpass('Chiave API OpenAI:')
Passaggio 2: utilizzo del modello di prompt
Dopo aver installato LangChain, importa semplicemente la libreria PromptTemplate e crea un modello per la query su uno scherzo con alcuni aspetti extra come variabili come aggettivo, contenuto, ecc.:
dall'importazione langchain PromptTemplateprompt_template = PromptTemplate.from_template(
'Raccontami una barzelletta in {style} su {theme}'
)
prompt_template.format(style='divertente', tema='polli')
Il prompt è stato impostato e dato al modello con i valori della variabile inserita nel comando:
L'utente può personalizzare il modello di prompt con una semplice query che richiede una battuta:
dall'importazione langchain PromptTemplateprompt_template = PromptTemplate.from_template(
'Raccontami una barzelletta'
)
prompt_template.format()
Il metodo sopra riportato prevede una singola domanda e risposta, ma a volte l'utente desidera interagire con il modello sotto forma di chat e la sezione successiva ne spiega il formato.
Passaggio 3: utilizzo del modello di richiesta di chat
Questa sezione spiega il modello per un modello di chat basato su uno schema di conversazione come se due esseri umani interagissero tra loro:
da langchain.prompts importa ChatPromptTemplatemodello = ChatPromptTemplate.from_messages([
('sistema', 'Bot di chat AI per assistere l'utente. Ti chiami {nome}.'),
('umano', 'Ciao, come stai'),
('ai', 'Come va'),
('umano', '{user_input}'),
])
messaggi = template.format_messages(
nome='Giovanni',
user_input='Come dovrei chiamarti'
)
Dopo aver impostato la struttura del template, scrivi semplicemente alcune righe nel testo per dire al modello cosa ci si aspetta da esso e usa la funzione llm() per dare un prompt:
da langchain.prompts importa ChatPromptTemplateda langchain.prompts.chat importa SystemMessage, HumanMessagePromptTemplate
modello = ChatPromptTemplate.from_messages(
[
Messaggio di sistema(
contenuto=(
'Sei qui per assistere e aiutare l'utente a riscrivere il testo dell'utente in modo più efficace'
)
),
HumanMessagePromptTemplate.from_template('{testo}'),
]
)
da langchain.chat_models importa ChatOpenAI
llm = ChatOpenAI()
llm(template.format_messages(text='non mi piace mangiare cose gustose'))
Il metodo SystemMessage() contiene il contenuto della risposta alla query utilizzata nel LLM:
Si tratta solo di creare modelli di prompt in LangChain.
Conclusione
Per creare un modello di prompt in LangChain, installa semplicemente i moduli LangChain e OpenAI per configurare un ambiente utilizzando la chiave API OpenAI. Successivamente, crea un modello di prompt per un singolo prompt, come chiedere una battuta o una singola domanda su qualsiasi cosa. Un altro metodo è personalizzare un modello per un modello di chat basato sul processo di interazione tra due esseri umani diversi. Questo post ha illustrato il processo di creazione di un modello di prompt in LangChain.