כיצד לבנות יישומי LangChain באמצעות תבנית הנחיה ומנתח פלט?

Kyzd Lbnwt Yyswmy Langchain B Mz Wt Tbnyt Hnhyh Wmnth Plt



LangChain משמשת לבניית צ'אטבוטים ומודלים של שפות גדולות כדי לגרום למכונה להבין טקסט או נתונים בשפות דמויות אדם. כדי ליצור צ'אט בוט ב-LangChain, המשתמש צריך לאמן אותו על נתונים שנכתבו בשפה אנושית על ידי בניית תבניות בקשות כדי שהמכונה תוכל להבין את השאלות. פונקציות מנתח פלט משמשות כדי לקבל את התשובות מהמודל לאחר שהבין את השאילתה.

פוסט זה ימחיש את תהליך בניית יישומי LangChain באמצעות תבנית הנחיה ומנתח פלט.

כיצד לבנות יישומי LangChain באמצעות תבנית הנחיה ומנתח פלט?

כדי לבנות את אפליקציית LangChain באמצעות תבנית ההנחיות ומנתח הפלט, פשוט עברו על המדריך הקל הזה:







שלב 1: התקן את LangChain



ראשית, התחל את תהליך בניית יישומי LangChain על ידי התקנת מסגרת LangChain באמצעות ' צִפצוּף ' פקודה:



pip להתקין langchain





שלב 2: שימוש בתבנית הנחיה

לאחר התקנת מודולי LangChain, ייבא את ' PromptTemplate ' ספריה לבניית תבנית הנחיה על ידי מתן שאילתה למודל כדי להבין את השאלה:



מ-langchain.prompts ייבוא ​​PromptTemplate

prompt = PromptTemplate.from_template('מהו שילוב צבעים טוב עבור {מוצר}?')
prompt.format(product='גרביים צבעוניות')

הפלט שילב אוטומטית את המשפט עם הערך של ' מוצר משתנה:

לאחר מכן, בנו תבנית בקשה נוספת על ידי ייבוא ​​הספריות HumanMessagePromptTemplate, ChatPromptTemplate ו-SystemMessagePromptTemplate מה-LangChain:

מיבוא langchain.prompts.chat (
ChatPromptTemplate,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
)
#הגדר את תבנית ההנחיה עבור מודל LangChain
template = 'אתה עוזר שמתרגם את {input_language} ל-{output_language}'
system_message_prompt = SystemMessagePromptTemplate.from_template(template)
human_template = '{text}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)

chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])

chat_prompt.format_messages(input_language='צרפתית', output_language='אנגלית', text='אני אוהב AI')

לאחר ייבוא ​​כל הספריות הנדרשות, פשוט בנה את התבנית המותאמת אישית עבור השאילתות באמצעות משתנה התבנית:

תבניות ההנחיה משמשות רק להגדרת התבנית לשאילתה/שאלה והיא אינה משיבה עם כל תשובה לשאלה. עם זאת, הפונקציה OutputParser() יכולה לחלץ תשובות כפי שהסעיף הבא מסביר עם הדוגמה:

שלב 3: שימוש בנתח פלט

כעת, ייבא את ספריית BaseOutputParser מ-LangChain כדי להפריד בין ערכי הטקסט המופרדים בפסיקים ולהחזיר את הרשימה בפלט:

מ-langchain.schema ייבוא ​​BaseOutputParser

class CommaSeparatedListOutputParser(BaseOutputParser):

def parse(self, text: str):
החזר text.strip().split(', ')

CommaSeparatedListOutputParser().parse('תודה, ברוך הבא')

זה הכל על בניית יישום LangChain באמצעות תבנית ההנחיות ומנתח הפלט.

סיכום

כדי לבנות יישום LangChain באמצעות תבנית ההנחיות ומנתח הפלט, פשוט התקן את LangChain וייבא ממנו ספריות. ספריית PromptTemplate משמשת לבניית המבנה עבור השאילתה כך שהמודל יוכל להבין את השאלה לפני חילוץ מידע באמצעות הפונקציה Parser() . הפונקציה OutputParser() משמשת כדי להביא תשובות על סמך השאילתות שהותאמו בעבר. מדריך זה הסביר את תהליך בניית יישומי LangChain באמצעות תבנית ההנחיות ומנתח הפלט.