Com utilitzar l'analitzador Pydantic (JSON) a LangChain?

Com Utilitzar L Analitzador Pydantic Json A Langchain



La intel·ligència artificial és una de les tecnologies de creixement més ràpid que utilitza algorismes d'aprenentatge automàtic per entrenar i provar models amb grans dades. Les dades es poden emmagatzemar en diferents formats, però per fer grans models de llenguatge utilitzant LangChain, el tipus més utilitzat és JSON. Les dades de formació i proves han de ser clares i completes sense cap ambigüitat perquè el model pugui funcionar de manera eficaç.

Aquesta guia mostrarà el procés d'utilitzar l'analitzador JSON pidant a LangChain.







Com utilitzar l'analitzador Pydantic (JSON) a LangChain?

Les dades JSON contenen el format textual de les dades que es poden recopilar mitjançant el raspat web i moltes altres fonts, com ara registres, etc. Per validar la precisió de les dades, LangChain utilitza la biblioteca pydantic de Python per simplificar el procés. Per utilitzar l'analitzador JSON pidant a LangChain, només cal que aneu a través d'aquesta guia:



Pas 1: instal·leu els mòduls



Per començar amb el procés, simplement instal·leu el mòdul LangChain per utilitzar les seves biblioteques per utilitzar l'analitzador a LangChain:





pip instal·lar langchain



Ara, utilitzeu el ' instal·lació de pip ” ordre per obtenir el marc OpenAI i utilitzar els seus recursos:

pip instal·lar oberta

Després d'instal·lar els mòduls, només cal que connecteu-vos a l'entorn OpenAI proporcionant la seva clau API mitjançant el ' vostè ' i ' getpass ” biblioteques:

importa'ns
importar getpass

os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Clau de l'API OpenAI:' )

Pas 2: importa les biblioteques

Utilitzeu el mòdul LangChain per importar les biblioteques necessàries que es poden utilitzar per crear una plantilla per a la sol·licitud. La plantilla per al missatge descriu el mètode per fer preguntes en llenguatge natural perquè el model pugui entendre el missatge de manera eficaç. A més, importeu biblioteques com OpenAI i ChatOpenAI per crear cadenes mitjançant LLM per crear un chatbot:

des de la importació langchain.prompts (
PromptTemplate,
ChatPromptTemplate,
HumanMessagePromptTemplate,
)
des de langchain.llms importar OpenAI
des de langchain.chat_models importar ChatOpenAI

Després d'això, importeu biblioteques pidàntes com BaseModel, Field i validador per utilitzar l'analitzador JSON a LangChain:

de langchain.output_parsers importar PydanticOutputParser
de la importació pydantic BaseModel, Field, validator
des d'escriure la llista d'importació

Pas 3: Construcció d'un model

Després d'aconseguir totes les biblioteques per utilitzar l'analitzador JSON pydantic, només cal que obteniu el model provat predissenyat amb el mètode OpenAI():

nom_model = 'text-davinci-003'
temperatura = 0.0
model = OpenAI ( nom_model =nom_model, temperatura = temperatura )

Pas 4: configureu Actor BaseModel

Construeix un altre model per obtenir respostes relacionades amb actors com els seus noms i pel·lícules demanant la filmografia de l'actor:

Actor de classe ( Model base ) :
nom: str = Camp ( descripció = 'Nom de l'actor principal' )
noms_pel·lícules: llista [ str ] = Camp ( descripció = 'Pel·lícules en què l'actor va ser protagonista' )


consulta_actor = 'Vull veure la filmografia de qualsevol actor'

analitzador = PydanticOutputParser ( objecte_pidant =Actor )

prompt = PromptTemplate (
plantilla = 'Resposta a la sol·licitud de l'usuari. \n {format_instructions} \n {consulta} \n ' ,
variables_entrada = [ 'consulta' ] ,
variables_parcials = { 'instruccions_de_format' : parser.get_format_instructions ( ) } ,
)

Pas 5: prova del model base

Simplement obteniu la sortida utilitzant la funció parse() amb la variable de sortida que conté els resultats generats per a la sol·licitud:

_entrada = prompt.format_prompt ( consulta =consulta_actor )
sortida = model ( _entrada.a_cadena ( ) )
parser.parse ( sortida )

L'actor anomenat ' Tom Hanks ” amb la llista de les seves pel·lícules s'ha obtingut mitjançant la funció pydantic del model:

Es tracta d'utilitzar l'analitzador JSON pidant a LangChain.

Conclusió

Per utilitzar l'analitzador JSON pydantic a LangChain, només cal que instal·leu els mòduls LangChain i OpenAI per connectar-vos als seus recursos i biblioteques. Després d'això, importeu biblioteques com OpenAI i pydantic per crear un model base i verificar les dades en forma de JSON. Després de construir el model base, executeu la funció parse() i retorna les respostes per a l'indicador. Aquesta publicació va demostrar el procés d'utilitzar l'analitzador JSON pidant a LangChain.