Posting ini akan mengilustrasikan proses membangun aplikasi LangChain menggunakan Prompt Template dan Output Parser.
Bagaimana Cara Membangun Aplikasi LangChain Menggunakan Template Prompt dan Parser Output?
Untuk membangun aplikasi LangChain menggunakan templat prompt dan parser keluaran, cukup ikuti panduan mudah ini:
Langkah 1: Instal LangChain
Pertama, mulailah proses membangun aplikasi LangChain dengan menginstal kerangka LangChain menggunakan “ pip ' memerintah:
pip instal langchain
Langkah 2: Menggunakan Templat Prompt
Setelah menginstal modul LangChain, impor “ Templat Prompt ” perpustakaan untuk membuat templat cepat dengan menyediakan kueri agar model dapat memahami pertanyaannya:
dari langchain.prompts impor PromptTemplate
prompt = PromptTemplate.from_template('Kombinasi warna apa yang bagus untuk {produk}?')
prompt.format(product='kaus kaki warna-warni')
Outputnya secara otomatis menggabungkan kalimat dengan nilai “ produk ' variabel:
Setelah itu, buat template prompt lainnya dengan mengimpor pustaka HumanMessagePromptTemplate, ChatPromptTemplate, dan SystemMessagePromptTemplate dari LangChain:
dari impor langchain.prompts.chat (Templat Prompt Obrolan,
Templat Prompt Pesan Sistem,
Templat Prompt Pesan Manusia,
)
#Konfigurasi template prompt untuk model LangChain
template = 'Anda adalah seorang pembantu yang menerjemahkan {input_lingual} ke {output_lingual}'
system_message_prompt = SystemMessagePromptTemplate.from_template(templat)
human_template = '{teks}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_messages(input_bahasa='Perancis', output_bahasa='Bahasa Inggris', text='Saya suka AI')
Setelah mengimpor semua perpustakaan yang diperlukan, cukup buat templat khusus untuk kueri menggunakan variabel templat:
Templat prompt hanya digunakan untuk mengatur templat untuk kueri/pertanyaan dan tidak membalas dengan jawaban apa pun atas pertanyaan tersebut. Namun, fungsi OutputParser() dapat mengekstrak jawaban seperti yang dijelaskan bagian berikut dengan contoh:
Langkah 3: Menggunakan Parser Keluaran
Sekarang, impor perpustakaan BaseOutputParser dari LangChain untuk memisahkan nilai teks yang dipisahkan dengan koma dan mengembalikan daftar dalam output:
dari langchain.schema impor BaseOutputParserkelas CommaSeparatedListOutputParser(BaseOutputParser):
def parse(diri, teks: str):
kembalikan teks.strip().split(', ')
CommaSeparatedListOutputParser().parse('Terima kasih, Selamat Datang')
Sekian tentang membangun aplikasi LangChain menggunakan templat prompt dan parser keluaran.
Kesimpulan
Untuk membangun aplikasi LangChain menggunakan templat prompt dan parser keluaran, cukup instal LangChain dan impor perpustakaan darinya. Pustaka PromptTemplate digunakan untuk membangun struktur kueri sehingga model dapat memahami pertanyaan sebelum mengekstraksi informasi menggunakan fungsi Parser(). Fungsi OutputParser() digunakan untuk mengambil jawaban berdasarkan kueri yang disesuaikan sebelumnya. Panduan ini menjelaskan proses pembuatan aplikasi LangChain menggunakan templat prompt dan parser keluaran.