ப்ராம்ட் டெம்ப்ளேட் மற்றும் அவுட்புட் பார்சரைப் பயன்படுத்தி LangChain பயன்பாடுகளை உருவாக்கும் செயல்முறையை இந்த இடுகை விளக்குகிறது.
ப்ராம்ட் டெம்ப்ளேட் மற்றும் அவுட்புட் பார்சரைப் பயன்படுத்தி LangChain பயன்பாடுகளை எவ்வாறு உருவாக்குவது?
ப்ராம்ட் டெம்ப்ளேட் மற்றும் அவுட்புட் பாகுபடுத்தியைப் பயன்படுத்தி LangChain பயன்பாட்டை உருவாக்க, இந்த எளிய வழிகாட்டியைப் பார்க்கவும்:
படி 1: LangChain ஐ நிறுவவும்
முதலில், LangChain கட்டமைப்பை நிறுவுவதன் மூலம் LangChain பயன்பாடுகளை உருவாக்கும் செயல்முறையைத் தொடங்கவும் ' பிப் ” கட்டளை:
pip நிறுவல் langchain
படி 2: உடனடி டெம்ப்ளேட்டைப் பயன்படுத்துதல்
LangChain தொகுதிகளை நிறுவிய பின், ' PromptTemplate கேள்வியைப் புரிந்துகொள்வதற்காக மாதிரிக்கு வினவலை வழங்குவதன் மூலம் ஒரு ப்ராம்ட் டெம்ப்ளேட்டை உருவாக்க நூலகம்:
langchain.prompts இலிருந்து PromptTemplate ஐ இறக்குமதி செய்க
prompt = PromptTemplate.from_template('{தயாரிப்பு}க்கு நல்ல வண்ண கலவை எது?')
prompt.format(தயாரிப்பு='வண்ணமான சாக்ஸ்')
வெளியீடு தானாகவே வாக்கியத்தை '' மதிப்புடன் இணைத்தது தயாரிப்பு ” மாறி:
அதன் பிறகு, லாங்செயினிலிருந்து HumanMessagePromptTemplate, ChatPromptTemplate மற்றும் SystemMessagePromptTemplate நூலகங்களை இறக்குமதி செய்வதன் மூலம் மற்றொரு ப்ராம்ட் டெம்ப்ளேட்டை உருவாக்கவும்:
langchain.prompts.chat இறக்குமதியிலிருந்து (ChatPrompt டெம்ப்ளேட்,
SystemMessagePrompt டெம்ப்ளேட்,
HumanMessagePrompt Template,
)
#LangChain மாதிரிக்கான ப்ராம்ட் டெம்ப்ளேட்டை உள்ளமைக்கவும்
template = 'நீங்கள் {input_language} ஐ {output_language} க்கு மொழிபெயர்க்கும் உதவியாளர்'
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='பிரெஞ்சு', output_language='ஆங்கிலம்', text='எனக்கு AI பிடிக்கும்')
தேவையான அனைத்து நூலகங்களையும் இறக்குமதி செய்த பிறகு, டெம்ப்ளேட் மாறியைப் பயன்படுத்தி வினவல்களுக்கான தனிப்பயன் டெம்ப்ளேட்டை உருவாக்கவும்:
வினவல்/கேள்விக்கான டெம்ப்ளேட்டை அமைக்க மட்டுமே உடனடி வார்ப்புருக்கள் பயன்படுத்தப்படுகின்றன, மேலும் அது கேள்விக்கு எந்தப் பதிலையும் அளிக்காது. இருப்பினும், OutputParser() செயல்பாடு பின்வரும் பகுதி எடுத்துக்காட்டுடன் விளக்குவது போல் பதில்களைப் பிரித்தெடுக்க முடியும்:
படி 3: அவுட்புட் பாகுபடுத்தியைப் பயன்படுத்துதல்
இப்போது, LangChain இலிருந்து BaseOutputParser நூலகத்தை இறக்குமதி செய்து, காற்புள்ளிகளால் பிரிக்கப்பட்ட உரை மதிப்புகளைப் பிரித்து, வெளியீட்டில் பட்டியலைத் தரவும்:
langchain.schema இலிருந்து BaseOutputParser இறக்குமதி செய்கிறதுவகுப்பு கமா பிரிக்கப்பட்ட பட்டியல் வெளியீடு பார்சர்(பேஸ்அவுட்புட் பார்சர்):
def parse(self, text: str):
text.strip().split(', ') திரும்பவும்
CommaSeparatedListOutputParser().parse('நன்றி, வரவேற்கிறோம்')
ப்ராம்ட் டெம்ப்ளேட் மற்றும் அவுட்புட் பார்சரைப் பயன்படுத்தி லாங்செயின் பயன்பாட்டை உருவாக்குவது தான்.
முடிவுரை
ப்ராம்ட் டெம்ப்ளேட் மற்றும் அவுட்புட் பாகுபடுத்தியைப் பயன்படுத்தி ஒரு LangChain பயன்பாட்டை உருவாக்க, LangChain ஐ நிறுவி, அதிலிருந்து நூலகங்களை இறக்குமதி செய்யவும். வினவிற்கான கட்டமைப்பை உருவாக்க PromptTemplate நூலகம் பயன்படுத்தப்படுகிறது, எனவே பார்சர்() செயல்பாட்டைப் பயன்படுத்தி தகவலைப் பிரித்தெடுப்பதற்கு முன் மாதிரி கேள்வியைப் புரிந்துகொள்ள முடியும். OutputParser() செயல்பாடு முன்பு தனிப்பயனாக்கப்பட்ட வினவல்களின் அடிப்படையில் பதில்களைப் பெற பயன்படுகிறது. இந்த வழிகாட்டி ப்ராம்ட் டெம்ப்ளேட் மற்றும் அவுட்புட் பாகுபடுத்தியைப் பயன்படுத்தி LangChain பயன்பாடுகளை உருவாக்கும் செயல்முறையை விளக்கியுள்ளது.