LangChain இல் அவுட்புட் பார்சரை எவ்வாறு பயன்படுத்துவது?

Langchain Il Avutput Parcarai Evvaru Payanpatuttuvatu



LangChain என்பது உரை வடிவில் வெளியீட்டை உருவாக்கக்கூடிய மாதிரிகளை உருவாக்குவதற்கான அனைத்து சார்புகள் மற்றும் நூலகங்களைக் கொண்ட கட்டமைப்பாகும். வெளியீட்டு உரை இயற்கையான மொழிகளில் பிரித்தெடுக்கப்படுகிறது அல்லது உருவாக்கப்படுகிறது, எனவே மனிதர்கள் எளிதில் புரிந்து கொள்ளவும் தொடர்பு கொள்ளவும் முடியும். இருப்பினும், வெளியீடு சரியான வடிவத்தில் இருக்க வேண்டும் மற்றும் நல்ல, கட்டமைக்கப்பட்ட தகவல் பயனருக்கு விரிவான அறிவை வழங்க முடியும்.

LangChain கட்டமைப்பின் மூலம் வெளியீட்டு பாகுபடுத்தி செயல்பாடுகள் மற்றும் வகுப்புகளைப் பயன்படுத்தும் முறையை இந்த இடுகை விளக்குகிறது.

LangChain மூலம் அவுட்புட் பார்சரை எவ்வாறு பயன்படுத்துவது?

வெளியீட்டுப் பாகுபடுத்திகள் என்பது மாதிரியிலிருந்து கட்டமைக்கப்பட்ட வெளியீட்டைப் பெற உதவும் வெளியீடுகள் மற்றும் வகுப்புகள் ஆகும். LangChain இல் அவுட்புட் பாகுபடுத்திகளைப் பயன்படுத்துவதற்கான செயல்முறையை அறிய, பட்டியலிடப்பட்ட படிகளைப் பின்பற்றவும்:







படி 1: தொகுதிகளை நிறுவவும்
முதலில், லாங்செயின் தொகுதியை அதன் சார்புகளுடன் நிறுவுவதன் மூலம் வெளியீட்டுப் பாகுபடுத்திகளைப் பயன்படுத்துவதற்கான செயல்முறையைத் தொடங்கவும்:



பிப் நிறுவு லாங்செயின்



அதன் பிறகு, OpenAI மற்றும் ChatOpenAI போன்ற நூலகங்களைப் பயன்படுத்த OpenAI தொகுதியை நிறுவவும்:





பிப் நிறுவு ஓப்பனை

இப்போது, ​​அமைக்கவும் OpenAI க்கான சூழல் OpenAI கணக்கிலிருந்து API விசையைப் பயன்படுத்துதல்:



எங்களை இறக்குமதி
getpass இறக்குமதி

os.சூழல் [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API விசை:' )

படி 2: நூலகங்களை இறக்குமதி செய்யவும்
கட்டமைப்பில் உள்ள வெளியீட்டுப் பாகுபடுத்திகளைப் பயன்படுத்த LangChain இலிருந்து நூலகங்களை இறக்குமதி செய்வது அடுத்த படியாகும்:

langchain.prompts இலிருந்து PromptTemplate ஐ இறக்குமதி செய்க
langchain.prompts இலிருந்து HumanMessagePromptTemplate ஐ இறக்குமதி செய்க
பைடான்டிக் இறக்குமதி புலத்தில் இருந்து
langchain.prompts இலிருந்து ChatPromptTemplate ஐ இறக்குமதி செய்க
langchain.output_parsers இலிருந்து PydanticOutputParser ஐ இறக்குமதி செய்கிறது
பைடான்டிக் இறக்குமதி BaseModel இலிருந்து
பைடான்டிக் இறக்குமதி வேலிடேட்டரிலிருந்து
langchain.chat_models இலிருந்து ChatOpenAIஐ இறக்குமதி செய்க
langchain.llms இலிருந்து OpenAIஐ இறக்குமதி செய்கிறது
இறக்குமதி பட்டியலை தட்டச்சு செய்வதிலிருந்து

படி 3: தரவு கட்டமைப்பை உருவாக்குதல்
வெளியீட்டின் கட்டமைப்பை உருவாக்குவது பெரிய மொழி மாதிரிகளில் வெளியீட்டு பாகுபடுத்திகளின் முக்கிய பயன்பாடாகும். மாதிரிகளின் தரவு கட்டமைப்பைப் பெறுவதற்கு முன், வெளியீட்டுப் பாகுபடுத்திகளிலிருந்து கட்டமைக்கப்பட்ட வெளியீட்டைப் பெற நாம் பயன்படுத்தும் மாதிரியின் பெயரை வரையறுக்க வேண்டும்:

மாதிரி_பெயர் = 'text-davinci-003'
வெப்பநிலை = 0.0
மாதிரி = OpenAI ( மாதிரி_பெயர் =மாடல்_பெயர், வெப்ப நிலை = வெப்பநிலை )

இப்போது, ​​மாதிரியிலிருந்து நகைச்சுவையைப் பெற வெளியீட்டின் கட்டமைப்பை உள்ளமைக்க BaseModel கொண்டிருக்கும் ஜோக் வகுப்பைப் பயன்படுத்தவும். அதன்பிறகு, பயனர் பைடான்டிக் கிளாஸ் மூலம் தனிப்பயன் சரிபார்ப்பு தர்க்கத்தை எளிதாகச் சேர்க்கலாம், இது சிறப்பாக உருவாக்கப்பட்ட வினவல்/உரையை வைக்குமாறு பயனரைக் கேட்கலாம்:

வகுப்பு நகைச்சுவை ( அடிப்படை மாதிரி ) :
அமைப்பு: str = புலம் ( விளக்கம் = 'ஒரு நகைச்சுவையைக் காட்ட வினவல்' )
punchline: str = புலம் ( விளக்கம் = 'கேலியுடன் கேள்விக்கு பதில்' )
#வினவலுக்கான லாஜிக் சரிபார்ப்பு மாதிரி சரியாகப் புரிந்து கொள்ள வேண்டும்
@ மதிப்பீட்டாளர் ( 'அமைப்பு' )
கேள்வி_குறியீட்டுடன்_முடிகிறது ( cls, புலம் ) :
என்றால் களம் [ - 1 ] ! = '?' :
மதிப்பை உயர்த்தும் பிழை ( 'மோசமாக உருவாக்கப்பட்ட கேள்வி!' )
திரும்ப களம்

படி 4: ப்ராம்ட் டெம்ப்ளேட்டை அமைத்தல்
அதன் அளவுருக்கள் கொண்ட PydanticOutputParser() முறையைக் கொண்ட பாகுபடுத்தி மாறியை உள்ளமைக்கவும்:

பாகுபடுத்தி = PydanticOutputParser ( பைடான்டிக்_பொருள் = நகைச்சுவை )

பாகுபடுத்தியை கட்டமைத்த பிறகு, வினவல்/விரைவில் கட்டமைப்பைக் கொண்டு PromptTemplate() முறையைப் பயன்படுத்தி ப்ராம்ட் மாறியை வரையறுக்கவும்:

prompt = PromptTemplate (
டெம்ப்ளேட் = 'பயனர் கேள்விக்கு பதிலளிக்கவும். \n {format_instructions} \n {query} \n ' ,
உள்ளீடு_மாறிகள் = [ 'கேள்வி' ] ,
பகுதி_மாறிகள் = { 'format_instructions' : parser.get_format_instructions ( ) }
)

படி 5: அவுட்புட் பார்சரை சோதிக்கவும்
அனைத்து தேவைகளையும் கட்டமைத்த பிறகு, ஒரு வினவலைப் பயன்படுத்தி ஒதுக்கப்பட்ட ஒரு மாறியை உருவாக்கவும், பின்னர் format_prompt() முறையை அழைக்கவும்:

joke_query = 'ஒரு ஜோக் சொல்லு'
_input = prompt.format_prompt ( வினவல் = நகைச்சுவை_கேள்வி )

இப்போது, ​​வெளியீட்டு மாறியை வரையறுக்க மாதிரி() செயல்பாட்டை அழைக்கவும்:

வெளியீடு = மாதிரி ( _input.to_string ( ) )

அவுட்புட் மாறியை அதன் அளவுருவாகக் கொண்டு பாகுபடுத்தி() முறையை அழைப்பதன் மூலம் சோதனை செயல்முறையை முடிக்கவும்:

பாகுபடுத்தி.பகுத்து ( வெளியீடு )

LangChain இல் வெளியீட்டுப் பாகுபடுத்தியைப் பயன்படுத்துவதற்கான செயல்முறையைப் பற்றியது.

முடிவுரை

LangChain இல் வெளியீட்டுப் பாகுபடுத்தியைப் பயன்படுத்த, தொகுதிகளை நிறுவி அதன் API விசையைப் பயன்படுத்தி OpenAI சூழலை அமைக்கவும். அதன் பிறகு, மாதிரியை வரையறுத்து, பின்னர் பயனர் வழங்கிய வினவலின் தர்க்க சரிபார்ப்புடன் வெளியீட்டின் தரவு கட்டமைப்பை உள்ளமைக்கவும். தரவு அமைப்பு கட்டமைக்கப்பட்டவுடன், ப்ராம்ட் டெம்ப்ளேட்டை அமைக்கவும், பின்னர் மாதிரியிலிருந்து முடிவைப் பெற வெளியீட்டு பாகுபடுத்தியை சோதிக்கவும். LangChain கட்டமைப்பில் வெளியீட்டுப் பாகுபடுத்தியைப் பயன்படுத்தும் செயல்முறையை இந்த வழிகாட்டி விளக்கியுள்ளது.