Ten post zilustruje proces korzystania z parsera list w LangChain.
Jak korzystać z parsera list w LangChain?
Klasy analizatora list służą do uzyskiwania danych wyjściowych w postaci listy zawierającej wiele obiektów oddzielonych przecinkami. Moduł LangChain umożliwia wykorzystanie m.in CommaSeparatedListOutputParser biblioteka, aby uzyskać dane wyjściowe w postaci listy strukturalnej.
Aby poznać proces korzystania z parsera list w LangChain, wystarczy wykonać poniższe kroki:
Krok 1: Zainstaluj moduły
Najpierw zacznij od zainstalowania frameworka LangChain za pomocą polecenia pip install w notatniku Pythona lub IDE:
pypeć zainstalować łańcuch językowy
Kolejnym modułem wymaganym do pobrania jest OpenAI, który służy do pobierania bibliotek OpenAI i ChatOpenAI:
pypeć zainstalować otwórz
Po zainstalowaniu wymaganych modułów, skonfiguruj OpenAI środowisku przy użyciu klucza API po zaimportowaniu „ Ty ' I ' przejść dalej ”biblioteki:
importuj naszaimportuj getpass
os.środowisko [ „OPENAI_API_KEY” ] = getpass.getpass ( „Klucz API OpenAI:” )
Krok 2: Importuj biblioteki
Po skonfigurowaniu środowiska OpenAI wystarczy zaimportować biblioteki wymagane do korzystania z analizatorów list, takich jak CommaSeparatedListOutputParser, OpenAI i wiele innych:
z langchain.prompts importuj ChatPromptTemplate
z langchain.llms importuje OpenAI
z langchain.prompts zaimportuj PromptTemplate
z langchain.chat_models importuj ChatOpenAI
z langchain.prompts zaimportuj HumanMessagePromptTemplate
Krok 3: Parser wyjściowy listy budowania
Następnym krokiem jest zbudowanie parsera wyjściowego listy, a następnie skonfigurowanie szablonu podpowiedzi w celu ograniczenia liczby obiektów tworzących listę:
format_instructions = Output_parser.get_format_instructions ( )
zachęta = szablon podpowiedzi (
szablon = „Wymień pięć {temat}. \N {format_instrukcje}” ,
zmienne_wejściowe = [ 'temat' ] ,
częściowe_zmienne = { „format_instrukcje” : instrukcje_formatu }
)
Krok 4: Testowanie modelu
Po ustawieniu szablonu podpowiedzi wystarczy wywołać metodę OpenAI(), aby zdefiniować „ Model ”, a następnie podaj dane wejściowe. Następnie użyj przycisku „ wyjście ” zawierającą zapytanie wejściowe i wywołaj parser. Wyodrębni listę na podstawie zapytania, które jest ograniczone przez szablon podpowiedzi:
_input = Prompt.format ( temat = 'napoje' )
wyjście = model ( _wejście )
parser_wyjściowy.parse ( wyjście )
To wszystko, jeśli chodzi o proces używania parsera wyjściowego listy w LangChain.
Wniosek
Aby użyć parsera wyjściowego listy w LangChain, wystarczy zainstalować wymagane moduły w celu skonfigurowania jego środowiska za pomocą klucza API OpenAI. Następnie zaimportuj biblioteki wymagane do zbudowania i użycia parsera wyjściowego listy, a następnie skonfiguruj model za pomocą struktury szablonu podpowiedzi. Po pomyślnym zbudowaniu modelu wystarczy go przetestować, aby uzyskać listę na podstawie danych wejściowych dostarczonych przez użytkownika. Ten przewodnik ilustruje proces korzystania z parsera wyjściowego listy w LangChain.