LangChain to framework zawierający wiele zależności i bibliotek, których można używać do budowania dużych modeli językowych. Modeli tych można używać do interakcji z ludźmi, ale najpierw model musi nauczyć się, jak uzyskać/rozumieć podpowiedź/pytanie zadawane przez człowieka. W tym celu należy wytrenować model na szablonach podpowiedzi, a następnie użytkownik zadaje pytanie w ramach danego szablonu.
Ten przewodnik ilustruje proces tworzenia szablonów podpowiedzi w LangChain.
Jak budować szablony podpowiedzi w LangChain?
Aby zbudować szablony podpowiedzi w LangChain, wystarczy przejść przez następujący przewodnik składający się z kilku kroków:
Krok 1: Zainstaluj moduły i skonfiguruj środowisko
Rozpocznij proces budowania szablonów podpowiedzi w LangChain, instalując framework LangChain:
pip zainstaluj langchain
Teraz zainstaluj moduły OpenAI, aby uzyskać dostęp do ich bibliotek i skonfiguruj środowisko, korzystając z nich:
pip zainstaluj openai 
Skonfiguruj Środowisko OpenAI używając biblioteki os, aby uzyskać dostęp do systemu operacyjnego i podać klucz API OpenAI:
importuj naszaimportuj getpass
os.environ['OPENAI_API_KEY'] = getpass.getpass('Klucz API OpenAI:')
Krok 2: Korzystanie z szablonu podpowiedzi
Po zainstalowaniu LangChain wystarczy zaimportować bibliotekę PromptTemplate i zbudować szablon zapytania dotyczącego żartu z dodatkowymi aspektami, takimi jak zmienne, takie jak przymiotnik, treść itp.:
z langchain import PromptTemplatePrompt_template = PromptTemplate.from_template(
„Opowiedz mi dowcip w stylu {style} na temat {theme}”
)
Prompt_template.format(style='zabawne', motyw='kurczaki')
Podpowiedź została ustawiona i podana modelowi z wartościami zmiennej wstawionej w poleceniu:
Użytkownik może dostosować szablon podpowiedzi za pomocą prostego zapytania z prośbą o żart:
z langchain import PromptTemplatePrompt_template = PromptTemplate.from_template(
'Opowiedz mi dowcip'
)
Prompt_template.format()
Powyższa metoda dotyczy pojedynczego zapytania i odpowiedzi, ale czasami użytkownik chce wejść w interakcję z modelem w formie czatu, a następna sekcja wyjaśnia jej format.
Krok 3: Korzystanie z szablonu podpowiedzi czatu
W tej sekcji wyjaśniono szablon modelu czatu, który opiera się na schemacie konwersacji, takim jak dwoje ludzi wchodzących w interakcję ze sobą:
z langchain.prompts importuj ChatPromptTemplateszablon = ChatPromptTemplate.from_messages([
(„system”, „bot chatowy AI pomagający użytkownikowi. Nazywasz się {imię}.”),
(„człowiek”, „Cześć, jak się masz”),
(„ai”, „Jak się masz”),
(„człowiek”, „{user_input}”),
])
wiadomości = szablon.format_wiadomości(
imię='Jan',
user_input='Jak mam do ciebie zadzwonić'
)
Po ustawieniu struktury szablonu po prostu napisz kilka wierszy w tekście, aby poinformować model, czego się od niego oczekuje, i użyj funkcji llm(), aby wyświetlić podpowiedź:
z langchain.prompts importuj ChatPromptTemplatez langchain.prompts.chat importuj SystemMessage, HumanMessagePromptTemplate
szablon = ChatPromptTemplate.from_messages(
[
Wiadomość systemowa(
treść=(
„Jesteś tutaj, aby pomóc użytkownikowi w skuteczniejszym przepisaniu tekstu użytkownika”
)
),
HumanMessagePromptTemplate.from_template('{text}'),
]
)
z langchain.chat_models importuj ChatOpenAI
llm = ChatOpenAI()
llm(template.format_messages(text='nie lubię jeść smacznych rzeczy'))
Metoda SystemMessage() zawiera treść odpowiedzi na zapytanie użyte w LLM:
To wszystko, jeśli chodzi o budowanie szablonów podpowiedzi w LangChain.
Wniosek
Aby zbudować szablon podpowiedzi w LangChain, wystarczy zainstalować moduły LangChain i OpenAI, aby skonfigurować środowisko przy użyciu klucza OpenAI API. Następnie utwórz szablon podpowiedzi dla pojedynczego monitu, na przykład pytania o żart lub pojedynczego pytania o cokolwiek. Inną metodą jest dostosowanie szablonu modelu czatu w oparciu o proces interakcji dwóch różnych ludzi. Ten post ilustruje proces budowania szablonu podpowiedzi w LangChain.