Aquesta publicació il·lustrarà el procés de creació d'aplicacions LangChain mitjançant Prompt Template i Output Parser.
Com crear aplicacions LangChain utilitzant una plantilla de sol·licitud i un analitzador de sortida?
Per crear l'aplicació LangChain utilitzant la plantilla d'indicadors i l'analitzador de sortida, només heu de seguir aquesta guia senzilla:
Pas 1: instal·leu LangChain
En primer lloc, inicieu el procés de creació d'aplicacions LangChain instal·lant el marc LangChain mitjançant el ' pip ' comandament:
pip install langchain
Pas 2: Ús de la plantilla de sol·licitud
Després d'instal·lar els mòduls LangChain, importeu el ' PromptTemplate ” per crear una plantilla de sol·licitud proporcionant una consulta perquè el model entengui la pregunta:
de langchain.prompts import PromptTemplate
prompt = PromptTemplate.from_template('Quina és una bona combinació de colors per a {producte}?')
prompt.format(product='mitjons de colors')
La sortida va combinar automàticament la frase amb el valor de ' producte ” variable:
Després d'això, creeu una altra plantilla d'indicadors important les biblioteques HumanMessagePromptTemplate, ChatPromptTemplate i SystemMessagePromptTemplate del LangChain:
des de la importació langchain.prompts.chat (ChatPromptTemplate,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
)
#Configura la plantilla de sol·licitud per al model LangChain
template = 'Ets un ajudant que tradueix {input_language} a {output_language}'
system_message_prompt = SystemMessagePromptTemplate.from_template(plantilla)
human_template = '{text}'
human_message_prompt = HumanMessagePromptTemplate.from_template (plantilla_humana)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_messages(input_language='francès', output_language='anglès', text='M'agrada l'IA')
Després d'importar totes les biblioteques necessàries, només cal que construïu la plantilla personalitzada per a les consultes mitjançant la variable de plantilla:
Les plantilles de sol·licitud només s'utilitzen per configurar la plantilla per a la consulta/pregunta i no respon amb cap resposta a la pregunta. Tanmateix, la funció OutputParser() pot extreure respostes tal com s'explica a la secció següent amb l'exemple:
Pas 3: Ús de l'analitzador de sortida
Ara, importeu la biblioteca BaseOutputParser de LangChain per separar els valors de text separats per comes i retorneu la llista a la sortida:
de langchain.schema importar BaseOutputParserclasse CommaSeparatedListOutputParser(BaseOutputParser):
def parse(self, text: str):
retornar text.strip().split(', ')
CommaSeparatedListOutputParser().parse('Gràcies, benvingut')
Es tracta de construir l'aplicació LangChain utilitzant la plantilla d'indicadors i l'analitzador de sortida.
Conclusió
Per crear una aplicació LangChain utilitzant la plantilla d'indicadors i l'analitzador de sortida, simplement instal·leu LangChain i importeu-hi biblioteques. La biblioteca PromptTemplate s'utilitza per construir l'estructura de la consulta perquè el model pugui entendre la pregunta abans d'extreure informació mitjançant la funció Parser(). La funció OutputParser() s'utilitza per obtenir respostes en funció de les consultes personalitzades anteriorment. Aquesta guia ha explicat el procés de creació d'aplicacions LangChain mitjançant la plantilla d'indicadors i l'analitzador de sortida.