โพสต์นี้จะแสดงขั้นตอนการใช้ list parser ใน LangChain
วิธีใช้ List Parser ใน LangChain
คลาสตัวแยกวิเคราะห์รายการถูกใช้เพื่อรับเอาต์พุตในรูปแบบของรายการที่มีหลายอ็อบเจ็กต์ที่คั่นด้วยเครื่องหมายจุลภาค โมดูล LangChain ช่วยให้สามารถใช้ CommaSeparatedListOutputParser ไลบรารีเพื่อรับเอาต์พุตในรูปแบบของรายการที่มีโครงสร้าง
หากต้องการเรียนรู้กระบวนการใช้ list parser ใน LangChain เพียงทำตามขั้นตอนที่ระบุไว้:
ขั้นตอนที่ 1: ติดตั้งโมดูล
ขั้นแรก เริ่มต้นด้วยการติดตั้งเฟรมเวิร์ก LangChain โดยใช้คำสั่ง pip install ในโน้ตบุ๊ก Python หรือ IDE:
ปิ๊ป ติดตั้ง แลงเชน
โมดูลอื่นที่ต้องดาวน์โหลดคือ OpenAI ซึ่งใช้เพื่อรับไลบรารี OpenAI และ ChatOpenAI:
ปิ๊ป ติดตั้ง เปิดใจ
หลังจากติดตั้งโมดูลที่จำเป็นแล้ว ตั้งค่า OpenAI สภาพแวดล้อมโดยใช้คีย์ API หลังจากนำเข้า ' คุณ ' และ ' รับผ่าน ” ห้องสมุด:
นำเข้าเรานำเข้า getpass
ระบบปฏิบัติการ.สภาพแวดล้อม [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'คีย์ OpenAI API:' )
ขั้นตอนที่ 2: นำเข้าไลบรารี
หลังจากตั้งค่าสภาพแวดล้อม OpenAI เพียงนำเข้าไลบรารีที่จำเป็นในการใช้ตัวแยกวิเคราะห์รายการ เช่น CommaSeparatedListOutputParser, OpenAI และอื่นๆ อีกมากมาย:
จาก langchain.prompts นำเข้า ChatPromptTemplate
จาก langchain.llms นำเข้า OpenAI
จาก langchain.prompts นำเข้า PromptTemplate
จาก langchain.chat_models นำเข้า ChatOpenAI
จาก langchain.prompts นำเข้า HumanMessagePromptTemplate
ขั้นตอนที่ 3: ตัวแยกวิเคราะห์เอาท์พุตรายการอาคาร
ขั้นตอนต่อไปคือการสร้างตัวแยกวิเคราะห์เอาต์พุตรายการ จากนั้นกำหนดค่าเทมเพลตพร้อมท์เพื่อจำกัดจำนวนอ็อบเจ็กต์เพื่อสร้างรายการ:
format_instructions = output_parser.get_format_instructions ( )
prompt = พร้อมต์เทมเพลต (
แม่แบบ = 'รายการห้า {เรื่อง} \n {format_instructions}' ,
input_variables = [ 'เรื่อง' ] ,
ตัวแปรบางส่วน = { 'รูปแบบ_คำแนะนำ' : format_instructions }
)
ขั้นตอนที่ 4: โมเดลการทดสอบ
เมื่อตั้งค่าเทมเพลตพร้อมต์แล้ว เพียงเรียกใช้เมธอด OpenAI() เพื่อกำหนด ' แบบอย่าง ” ตัวแปรแล้วระบุอินพุต หลังจากนั้นให้ใช้เครื่องหมาย “ เอาท์พุท ” ตัวแปรที่มีการสืบค้นอินพุตและเรียกตัวแยกวิเคราะห์ มันจะแยกรายการตามแบบสอบถามที่ถูกจำกัดโดยเทมเพลตพร้อมท์:
_input = prompt.รูปแบบ ( เรื่อง = 'เครื่องดื่ม' )
เอาท์พุท = รุ่น ( _ป้อนข้อมูล )
output_parser.parse ( เอาท์พุท )
นั่นคือทั้งหมดที่เกี่ยวกับกระบวนการใช้ list output parser ใน LangChain
บทสรุป
หากต้องการใช้ตัวแยกวิเคราะห์เอาต์พุตรายการใน LangChain เพียงติดตั้งโมดูลที่จำเป็นเพื่อตั้งค่าสภาพแวดล้อมโดยใช้คีย์ OpenAI API หลังจากนั้น ให้นำเข้าไลบรารีที่จำเป็นในการสร้างและใช้รายการตัวแยกวิเคราะห์เอาต์พุต จากนั้นกำหนดค่าโมเดลด้วยโครงสร้างเทมเพลตของพรอมต์ เมื่อสร้างโมเดลสำเร็จแล้ว เพียงทดสอบโมเดลเพื่อรับรายการตามอินพุตที่ผู้ใช้ให้ไว้ คู่มือนี้ได้อธิบายกระบวนการใช้ list output parser ใน LangChain