โพสต์นี้จะแสดงกระบวนการสร้างแอปพลิเคชัน LangChain โดยใช้ Prompt Template และ Output Parser
วิธีสร้างแอปพลิเคชัน LangChain โดยใช้เทมเพลตพร้อมท์และตัวแยกวิเคราะห์เอาท์พุต
หากต้องการสร้างแอปพลิเคชัน LangChain โดยใช้ prompt template และ output parser เพียงอ่านคำแนะนำง่ายๆ นี้:
ขั้นตอนที่ 1: ติดตั้ง LangChain
ขั้นแรก ให้เริ่มกระบวนการสร้างแอปพลิเคชัน LangChain โดยการติดตั้งเฟรมเวิร์ก LangChain โดยใช้คำสั่ง “ ปิ๊ป ' สั่งการ:
pip ติดตั้ง langchain
ขั้นตอนที่ 2: การใช้เทมเพลตพร้อมท์
หลังจากติดตั้งโมดูล LangChain แล้ว ให้นำเข้าไฟล์ “ พรอมต์เทมเพลต ” เพื่อสร้างเทมเพลตพร้อมต์โดยจัดเตรียมแบบสอบถามเพื่อให้โมเดลเข้าใจคำถาม:
จาก langchain.prompts นำเข้า PromptTemplate
prompt = PromptTemplate.from_template('การผสมสีที่ดีสำหรับ {product} คืออะไร?')
prompt.format(product='ถุงเท้าสีสันสดใส')
ผลลัพธ์จะรวมประโยคเข้ากับค่าของ ' โดยอัตโนมัติ ผลิตภัณฑ์ ' ตัวแปร:
หลังจากนั้น สร้างเทมเพลตพร้อมท์อื่นโดยการนำเข้าไลบรารี HumanMessagePromptTemplate, ChatPromptTemplate และ SystemMessagePromptTemplate จาก LangChain:
จากการนำเข้า langchain.prompts.chat (เทมเพลต ChatPrompt,
เทมเพลต SystemMessagePrompt,
เทมเพลต HumanMessagePrompt,
)
#กำหนดค่าเทมเพลตพร้อมท์สำหรับโมเดล LangChain
template = 'คุณเป็นผู้ช่วยที่แปลภาษา {input_ language} เป็น {output_ language}'
system_message_prompt = SystemMessagePromptTemplate.from_template(เทมเพลต)
human_template = '{ข้อความ}'
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 = 'ฝรั่งเศส', output_ language = 'ภาษาอังกฤษ', text = 'ฉันชอบ AI')
หลังจากนำเข้าไลบรารีที่จำเป็นทั้งหมดแล้ว เพียงสร้างเทมเพลตแบบกำหนดเองสำหรับการสืบค้นโดยใช้ตัวแปรเทมเพลต:
เทมเพลตพร้อมท์ใช้เพื่อตั้งค่าเทมเพลตสำหรับการสืบค้น/คำถามเท่านั้น และจะไม่ตอบกลับพร้อมคำตอบใดๆ สำหรับคำถาม อย่างไรก็ตาม ฟังก์ชัน OutputParser() สามารถแยกคำตอบได้ดังที่ส่วนต่อไปนี้จะอธิบายด้วยตัวอย่าง:
ขั้นตอนที่ 3: การใช้ตัวแยกวิเคราะห์เอาท์พุต
ตอนนี้ นำเข้าไลบรารี BaseOutputParser จาก LangChain เพื่อแยกค่าข้อความที่คั่นด้วยเครื่องหมายจุลภาคและส่งคืนรายการในเอาต์พุต:
จาก langchain.schema นำเข้า BaseOutputParserคลาส CommaSeparatedListOutputParser (BaseOutputParser):
def แยกวิเคราะห์ (ตนเอง ข้อความ: str):
กลับ text.strip().split(', ')
CommaSeparatedListOutputParser().parse('ขอบคุณ ยินดีต้อนรับ')
นั่นคือทั้งหมดที่เกี่ยวกับการสร้างแอปพลิเคชัน LangChain โดยใช้ prompt template และ output parser
บทสรุป
หากต้องการสร้างแอปพลิเคชัน LangChain โดยใช้เทมเพลตพร้อมต์และตัวแยกวิเคราะห์เอาต์พุต เพียงติดตั้ง LangChain และนำเข้าไลบรารีจากนั้น ไลบรารี PromptTemplate ใช้เพื่อสร้างโครงสร้างสำหรับการสืบค้น เพื่อให้โมเดลสามารถเข้าใจคำถามก่อนที่จะแยกข้อมูลโดยใช้ฟังก์ชัน Parser() ฟังก์ชัน OutputParser() ใช้เพื่อดึงคำตอบตามข้อความค้นหาที่ปรับแต่งไว้ก่อนหน้านี้ คู่มือนี้ได้อธิบายกระบวนการสร้างแอปพลิเคชัน LangChain โดยใช้ prompt template และ output parser