Πώς να χρησιμοποιήσετε το List Parser στο LangChain;

Pos Na Chresimopoiesete To List Parser Sto Langchain



Οι ενότητες LangChain περιέχουν τις εξαρτήσεις για τη δημιουργία chatbots που μπορούν να δημιουργήσουν κείμενο σε ανθρώπινες γλώσσες όπως τα αγγλικά κ.λπ. Τα μοντέλα πρέπει να εκπαιδεύονται σε τεράστια σύνολα δεδομένων, ώστε το μοντέλο να μπορεί να κατανοήσει αποτελεσματικά την προτροπή για τη δημιουργία κειμένου. Η γλώσσα Python προσφέρει τη χρήση συναρτήσεων parser() για τη λήψη της δομημένης εξόδου που μπορεί να προσαρμοστεί από τους προγραμματιστές.

Αυτή η ανάρτηση θα απεικονίσει τη διαδικασία χρήσης του αναλυτή λίστας στο LangChain.

Πώς να χρησιμοποιήσετε το List Parser στο LangChain;

Οι κλάσεις ανάλυσης λίστας χρησιμοποιούνται για να λάβουν την έξοδο με τη μορφή λίστας που περιέχει πολλά αντικείμενα που διαχωρίζονται με κόμματα. Η ενότητα LangChain επιτρέπει τη χρήση του CommaSeparatedListOutputParser βιβλιοθήκη για να λάβετε την έξοδο με τη μορφή δομημένης λίστας.







Για να μάθετε τη διαδικασία χρήσης του αναλυτή λίστας στο LangChain, απλώς ακολουθήστε τα βήματα που αναφέρονται:



Βήμα 1: Εγκατάσταση μονάδων
Αρχικά, ξεκινήστε εγκαθιστώντας το πλαίσιο LangChain χρησιμοποιώντας την εντολή εγκατάστασης pip σε σημειωματάριο Python ή IDE:



κουκούτσι εγκαθιστώ langchain





Μια άλλη ενότητα που απαιτείται για λήψη είναι το OpenAI που χρησιμοποιείται για τη λήψη των βιβλιοθηκών OpenAI και ChatOpenAI:

κουκούτσι εγκαθιστώ openai



Μετά την εγκατάσταση των απαιτούμενων μονάδων, ρυθμίστε το OpenAI περιβάλλον χρησιμοποιώντας το κλειδί API του μετά την εισαγωγή του ' εσείς ' και ' getpass ” βιβλιοθήκες:

εισάγετε μας
εισαγωγή getpass

os.περιβάλλον [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Κλειδί OpenAI API:' )

Βήμα 2: Εισαγωγή βιβλιοθηκών
Μετά τη ρύθμιση του περιβάλλοντος OpenAI, απλώς εισαγάγετε τις βιβλιοθήκες που απαιτούνται για τη χρήση των αναλυτών λιστών όπως CommaSeparatedListOutputParser, OpenAI και πολλά άλλα:

από το langchain.output_parsers εισαγωγή CommaSeparatedListOutputParser
από το langchain.prompts εισαγωγή ChatPromptTemplate
από το langchain.llms εισαγωγή OpenAI
από το langchain.prompts εισαγωγή PromptTemplate
από το langchain.chat_models εισαγωγή ChatOpenAI
από το langchain.prompts εισαγωγή HumanMessagePromptTemplate

Βήμα 3: Δημιουργία αναλυτής εξόδου λίστας
Το επόμενο βήμα είναι να δημιουργήσετε τον αναλυτή εξόδου λίστας και, στη συνέχεια, να διαμορφώσετε το πρότυπο προτροπής για να περιορίσετε τον αριθμό των αντικειμένων για να σχηματιστεί μια λίστα:

output_parser = CommaSeparatedListOutputParser ( )

format_instructions = output_parser.get_format_instructions ( )
prompt = PromptTemplate (
πρότυπο = 'Κατάλογος πέντε {subject}. \n {format_instructions}' ,
input_variables = [ 'θέμα' ] ,
partal_variables = { 'format_instructions' : format_instructions }
)

Βήμα 4: Δοκιμαστικό μοντέλο
Μόλις οριστεί το πρότυπο προτροπής, απλώς καλέστε τη μέθοδο OpenAI() για να ορίσετε το ' μοντέλο ” μεταβλητή και στη συνέχεια δώστε την είσοδο. Μετά από αυτό, χρησιμοποιήστε το ' παραγωγή ” μεταβλητή που περιέχει το ερώτημα εισαγωγής και καλέστε τον αναλυτή. Θα εξαγάγει τη λίστα με βάση το ερώτημα που περιορίζεται από το πρότυπο προτροπής:

μοντέλο = OpenAI ( θερμοκρασία = 0 )

_input = prompt.format ( θέμα = 'αναψυκτικά' )
έξοδος = μοντέλο ( _εισαγωγή )

output_parser.parse ( παραγωγή )

Αυτό αφορά τη διαδικασία χρήσης του αναλυτή εξόδου λίστας στο LangChain.

συμπέρασμα

Για να χρησιμοποιήσετε τον αναλυτή εξόδου λίστας στο LangChain, απλώς εγκαταστήστε τις απαιτούμενες μονάδες για να ρυθμίσετε το περιβάλλον του χρησιμοποιώντας το κλειδί OpenAI API. Μετά από αυτό, εισαγάγετε τις βιβλιοθήκες που απαιτούνται για τη δημιουργία και τη χρήση του αναλυτή εξόδου λίστας και, στη συνέχεια, διαμορφώστε το μοντέλο με τη δομή προτύπου της προτροπής. Μόλις το μοντέλο κατασκευαστεί με επιτυχία, απλώς δοκιμάστε το μοντέλο για να λάβετε τη λίστα με βάση τα δεδομένα που παρέχει ο χρήστης. Αυτός ο οδηγός επεξηγεί τη διαδικασία χρήσης του αναλυτή εξόδου λίστας στο LangChain.