LangChain on raamistik, mis sisaldab mitmeid sõltuvusi ja teeke, mida saab kasutada suurte keelemudelite koostamiseks. Neid mudeleid saab kasutada inimestega suhtlemiseks, kuid esmalt peab mudel õppima, kuidas saada/mõistma inimese küsitavat käsku/küsimust. Selleks tuleb mudelit välja õpetada viipade mallide osas ja seejärel esitab kasutaja antud malli sees küsimuse.
See juhend illustreerib LangChainis viipade mallide loomise protsessi.
Kuidas luua LangChainis viipamalle?
LangChainis viipade mallide loomiseks lugege lihtsalt läbi järgmine mitme sammuga juhend:
1. samm: installige moodulid ja häälestuskeskkond
Alustage LangChainis viipade mallide loomist, installides LangChaini raamistiku:
pip install langchain
Nüüd installige OpenAI moodulid, et pääseda juurde selle teekidesse ja seadistada seda kasutades keskkond:
pip install openai 
Seadistage OpenAI keskkond operatsioonisüsteemile juurdepääsuks ja OpenAI API võtme andmiseks OS-i teegi kasutamine:
importida meidimpordi getpass
os.environ['OPENAI_API_KEY'] = getpass.getpass('OpenAI API võti:')
2. samm: Viibamalli kasutamine
Pärast LangChaini installimist importige lihtsalt teek PromptTemplate ja looge naljapäringu jaoks mall, millel on mõned lisaaspektid (nt omadussõna, sisu jne):
langchaini impordist PromptTemplateprompt_template = PromptMall.from_template(
'Tell me a {style} joke about {theme}'
)
prompt_template.format(style='naljakas', theme='kanad')
Viip on seatud ja antud mudelile käsusse sisestatud muutuja väärtustega:
Kasutaja saab kohandada viipamalli lihtsa päringuga, mis küsib nalja:
langchaini impordist PromptTemplateprompt_template = PromptMall.from_template(
'Räägi mulle mõni nali'
)
prompt_template.format()
Ülaltoodud meetod on mõeldud ühe päringu ja vastuse jaoks, kuid mõnikord soovib kasutaja mudeliga vestluse vormis suhelda ja järgmises jaotises selgitatakse selle vormingut.
3. samm: vestlusviipa malli kasutamine
Selles jaotises selgitatakse vestlusmudeli malli, mis põhineb vestlusmustril, nagu kaks inimest suhtlevad üksteisega:
langchain.prompts importida ChatPromptTemplatetemplate = ChatPromptTemplate.from_messages([
('süsteem', 'AI-vestlusbot kasutaja abistamiseks. Teid kutsutakse {name}.'),
('inimene', 'Tere, kuidas läheb'),
('ai', 'Kuidas sul läheb'),
('inimene', '{user_input}'),
])
messages = template.format_messages(
nimi = 'John',
user_input='Mis ma peaksin teile helistama'
)
Pärast malli struktuuri seadistamist kirjutage lihtsalt teksti mõned read, et öelda mudelile, mida sellelt oodatakse, ja kasutage viipa andmiseks funktsiooni llm ():
langchain.prompts importida ChatPromptTemplatelangchain.prompts.chat importida SystemMessage, HumanMessagePromptTemplate
template = ChatPromptTemplate.from_messages(
[
SystemMessage(
sisu=(
'Te olete siin selleks, et aidata ja aidata kasutajal kasutajateksti tõhusamalt ümber kirjutada'
)
),
HumanMessagePromptTemplate.from_template('{text}'),
]
)
langchain.chat_models impordib ChatOpenAI-d
llm = ChatOpenAI()
llm(template.format_messages(text='mulle ei meeldi maitsvaid asju süüa'))
Meetod SystemMessage() sisaldab LLM-is kasutatud päringu vastuse sisu:
See kõik puudutab LangChainis viipade mallide loomist.
Järeldus
LangChainis viipamalli loomiseks installige lihtsalt LangChaini ja OpenAI moodulid, et seadistada keskkond OpenAI API võtme abil. Pärast seda looge viipamall ühe viipa jaoks, nagu nalja küsimine või üksikküsimus millegi kohta. Teine meetod on vestlusmudeli malli kohandamine, mis põhineb kahe erineva inimese vahelisel suhtlusel. See postitus on illustreerinud kiire malli loomise protsessi LangChainis.