Suuria kielimalleja tai LLM:itä käytetään luomaan interaktiivinen malli, joka voi kommunikoida ihmisten kanssa luonnollisilla kielillä. Käyttäjän on määritettävä kehotteiden malli, jotta malli voi ymmärtää tekstin ja luoda vastauksen tehokkaasti. Tekstin luomiseksi luonnollisella kielellä malli on koulutettava luonnollisella kielellä olevaan tietojoukkoon.
Tämä viesti havainnollistaa mallimuotojen rakentamisprosessia LangChainissa.
Kuinka rakentaa mallimuotoja LangChainissa?
Python on tehokkain ohjelmointikieli, joka käyttää ' jinja2 ' ja ' fstring ”-mallin muotoja, koska fstringiä käytetään oletuksena. Jos haluat oppia luomaan mallimuodon LangChainissa, seuraa tätä opasta:
Edellytys: Asenna LangChain
Asenna ensin LangChain-kehys, joka sisältää PromptTemplate-kirjastot, joita voidaan käyttää mallimuotojen rakentamiseen. LangChain-kehys asentaa kaikki tarvittavat riippuvuudet rakentaakseen kyselyn rakenteen LLM:ille tai chatboteille:
pip asennus langchain
Tapa 1: Jinja2-mallin käyttäminen
Tuo sen jälkeen PromptTemplate-kirjasto käyttääksesi jinja2-mallia, joka sisältää kyselyn muuttujilla, jotka on määritelty prompt.format()-metodissa. Jinja2-muoto on määritetty PromptTemplate()-metodin parametriksi ja määritetty kehotemuuttujalle:
langchain.promptsista tuo PromptTemplate
jinja2_template = 'Kerro minulle {{ style }} runo aiheesta {{ teema }}'
kehote = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivational', theme='earth')
Tulos näyttää, että malli on käyttänyt muuttujan arvoja kyselyssä oikein sen ymmärtämisen jälkeen:
Tapa 2: Käytä fstring-mallia
Toinen menetelmä käyttää fstring-mallimuotoa, jota Python-ohjelmointikieli käyttää oletuksena PromptTemplatena. Esimerkiksi ' fstring_template ”-muuttuja sisältää kyselyn ja kutsuu sitten PromptTemplate()-metodin muuttujan sisällä muodostaakseen mallimuodon:
langchain.promptsista tuo PromptTemplatefstring_template = '''Kerro minulle {style}-runo aiheesta {theme}'''
prompt = PromptTemplate.from_template(fstring_template)
prompt.format(style='motivational', theme='earth')
Siinä on kyse mallimuotojen luomisesta LangChainissa.
Johtopäätös
Luodaksesi mallimuodon LangChainissa, aloita prosessi asentamalla LangChain-kehys. Se sisältää kaikki riippuvuudet PromptTemplate()-funktion käyttämiseksi. Se käyttää fstring Python-ohjelmointikielille oletuksena mallimuoto. Käyttäjä voi myös käyttää jinja2 mallia käyttämällä template_format parametri. Tässä oppaassa on selitetty molemmat PromptTemplate-muodot mallin luomiseksi LangChainissa.