Questa guida illustrerà il processo di utilizzo del selettore di esempio Select by Maximal Marginal Relevance in LangChain.
Come utilizzare la selezione in base alla massima rilevanza marginale (MMR) in LangChain?
Il selettore di esempi di rilevanza marginale massima viene utilizzato per estrarre informazioni utilizzando la somiglianza coseno del prompt e dell'esempio. La somiglianza del coseno viene calcolata dopo aver applicato i metodi di incorporamento ai dati e convertito il testo in forma numerica.
Per apprendere il processo di utilizzo del selettore di esempio MMR in LangChain, segui semplicemente i passaggi elencati:
Passaggio 1: installare i moduli
Avvia il processo installando le dipendenze di LangChain utilizzando il comando pip:
pip installa langchain
Installa il modulo OpenAI per utilizzare il suo ambiente per applicare il metodo OpenAIEmbedding():
pip installa openai
Installa il framework FAIISS che può essere utilizzato per ottenere l'output utilizzando la somiglianza semantica:
pip installa faiss-gpu
Ora installa il tokenizer tiktoken per dividere il testo in blocchi più piccoli utilizzando il seguente codice:
pip installa tiktoken
Passaggio 2: utilizzo di librerie ed esempi
Il passaggio successivo consiste nell'importare le librerie per creare un selettore di esempio MMR, FAISS, OpenAIEmbeddings e PromptTemplate. Dopo aver importato le librerie, crea semplicemente un set di esempi che fornisca input e output per i rispettivi input in più array:
da langchain. richiede . esempio_selettore importare (MaxMarginalRelevanceExampleSelector ,
SemanticSimilarityExampleSelector ,
)
da langchain. vectorstores importare FAISS
da langchain. incastri importare OpenAIEmbeddings
da langchain. richiede importare FewShotPromptTemplate , Modello Prompt
esempio_prompt = Modello Prompt (
input_variabili = [ 'ingresso' , 'produzione' ] ,
modello = 'Input: {input} \N Uscita: {uscita}' ,
)
esempi = [
{ 'ingresso' : 'Contento' , 'produzione' : 'triste' } ,
{ 'ingresso' : 'Alto' , 'produzione' : 'corto' } ,
{ 'ingresso' : 'energico' , 'produzione' : 'letargico' } ,
{ 'ingresso' : 'soleggiato' , 'produzione' : 'cupola' } ,
{ 'ingresso' : 'ventoso' , 'produzione' : 'calma' } ,
]
Passaggio 3: selettore di esempi di costruzione
Ora, inizia a creare il selettore di esempio MMR utilizzando il metodo MaxMarginalRelevanceExampleSelector() contenente diversi parametri:
esempio_selettore = MaxMarginalRelevanceExampleSelector. da_esempi (esempi ,
OpenAIEmbeddings ( ) ,
FAISS ,
K = 2 ,
)
mmr_prompt = FewShotPromptTemplate (
esempio_selettore = esempio_selettore ,
esempio_prompt = esempio_prompt ,
prefisso = 'Dai l'antonimo di ogni input' ,
suffisso = 'Input: {aggettivo} \N Produzione:' ,
input_variabili = [ 'aggettivo' ] ,
)
Passaggio 4: testare il selettore di esempi MMR
Testare il selettore di esempio MMR di massima rilevanza marginale chiamandolo nel metodo print() con l'input:
stampa ( mmr_prompt. formato ( aggettivo = 'preoccupato' ) )
Passaggio 5: utilizzo della similarità semantica
Questo passaggio utilizza il metodo SemanticSimilarityExampleSelector() e quindi utilizza il metodo FewShotPromptTemplate() supportato da LangChain:
esempio_selettore = SemanticSimilarityExampleSelector. da_esempi (esempi ,
OpenAIEmbeddings ( ) ,
FAISS ,
K = 2 ,
)
simile_prompt = FewShotPromptTemplate (
esempio_selettore = esempio_selettore ,
esempio_prompt = esempio_prompt ,
prefisso = 'Dai l'antonimo di ogni input' ,
suffisso = 'Input: {aggettivo} \N Produzione:' ,
input_variabili = [ 'aggettivo' ] ,
)
stampa ( simile_prompt. formato ( aggettivo = 'preoccupato' ) )
Si tratta di utilizzare la selezione in base alla massima rilevanza marginale o MMR in LangChain.
Conclusione
Per utilizzare la selezione in base alla massima rilevanza marginale o il selettore di esempio MMR in LangChain, installare i moduli richiesti. Successivamente, importa le librerie per creare il set di esempi utilizzando il modello di prompt di input e output. Crea il selettore di esempio MMR per testarlo utilizzando il selettore di esempio MMR e il metodo FewShotPromptTemplate() per ottenere output pertinente. Questa guida ha illustrato il processo di utilizzo del selettore di esempio select-by-MMR in LangChain.