Modele wielkojęzykowe lub LLM służą do tworzenia interaktywnego modelu, który może komunikować się z ludźmi w językach naturalnych. Użytkownik musi skonfigurować szablon podpowiedzi, aby model mógł zrozumieć tekst, a następnie efektywnie wygenerować odpowiedź. Aby wygenerować tekst w języku naturalnym, model musi zostać przeszkolony na zbiorze danych w języku naturalnym.
Ten post zilustruje proces budowania formatów szablonów w LangChain.
Jak tworzyć formaty szablonów w LangChain?
Python to najskuteczniejszy język programowania, który wykorzystuje „ jinja2 ' I ' ciąg znaków ”, ponieważ domyślnie używany jest fstring. Aby dowiedzieć się, jak zbudować format szablonu w LangChain, po prostu postępuj zgodnie z tym przewodnikiem:
Warunek wstępny: zainstaluj LangChain
Najpierw zainstaluj framework LangChain zawierający biblioteki PromptTemplate, których można używać do tworzenia formatów szablonów. Framework LangChain instaluje wszystkie wymagane zależności do zbudowania struktury zapytania dla LLM-ów lub chatbotów:
pip zainstaluj langchain
Metoda 1: Użycie szablonu jinja2
Następnie zaimportuj bibliotekę PromptTemplate, aby użyć szablonu jinja2 zawierającego zapytanie ze zmiennymi zdefiniowanymi w metodzie Prompt.format(). Format jinja2 jest określony jako parametr metody PromptTemplate() i przypisany do zmiennej podpowiedzi:
z langchain.prompts zaimportuj PromptTemplate
jinja2_template = 'Opowiedz mi wiersz o {{ stylu }} na temat {{ tematu }}'
zachęta = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
Prompt.format(style='motywacyjny', motyw='ziemia')
Dane wyjściowe pokazują, że model poprawnie użył wartości zmiennej w zapytaniu po jej zrozumieniu:
Metoda 2: Użycie szablonu fstring
Druga metoda wykorzystuje format szablonu fstring, który jest domyślnie używany jako PromptTemplate w języku programowania Python. Na przykład „ szablon_fstring ” zawiera zapytanie, a następnie wywołuje metodę PromptTemplate() ze zmienną w środku w celu zbudowania formatu szablonu:
z langchain.prompts zaimportuj PromptTemplatefstring_template = '''Opowiedz mi wiersz w stylu {style} na temat {motywu}'''
zachęta = PromptTemplate.from_template(fstring_template)
Prompt.format(style='motywacyjny', motyw='ziemia')
To wszystko, jeśli chodzi o proces budowania formatów szablonów w LangChain.
Wniosek
Aby zbudować format szablonu w LangChain, po prostu rozpocznij proces, instalując framework LangChain. Zawiera wszystkie zależności dotyczące korzystania z funkcji PromptTemplate(). Używa ciąg znaków domyślny format szablonu dla języków programowania Python. Użytkownik może także skorzystać z jinja2 szablon za pomocą format_szablonu parametr. W tym przewodniku wyjaśniono oba formaty PromptTemplate służące do tworzenia szablonu w LangChain.