Bagaimana Cara Menggunakan Pemilih Contoh Berbasis Panjang di LangChain?

Bagaimana Cara Menggunakan Pemilih Contoh Berbasis Panjang Di Langchain



LangChain digunakan untuk membangun model bahasa alami yang dapat digunakan untuk melakukan percakapan dengan manusia dalam bahasa mereka seperti bahasa Inggris, dll. Pengembang menggunakan beberapa kumpulan data atau contoh data untuk melatih model ini, dan tidak mungkin untuk menggunakan semua contoh ini semua waktu. Jadi, penyeleksi contoh digunakan untuk memilih kumpulan data atau contoh berdasarkan beberapa faktor dan panjang adalah salah satu penyeleksi tersebut.

Posting ini akan mendemonstrasikan proses penggunaan contoh pemilih berdasarkan panjang di LangChain.

Bagaimana Cara Menggunakan Pemilih Contoh Berbasis Panjang di LangChain?

Penyeleksi contoh digunakan untuk memilih data atau contoh yang akan digunakan untuk melatih model. Berbasis panjang adalah proses memilih contoh-contoh ini menggunakan panjangnya. Contoh pilih berdasarkan panjang sebagian besar digunakan ketika panjang prompt melebihi panjang konteks.







Untuk mempelajari cara menggunakan contoh pemilih berdasarkan panjang di LangChain, cukup ikuti panduan berikut:



Langkah 1: Instal LangChain



Pertama, mulailah proses penggunaan contoh pemilih berdasarkan panjang dengan menginstal kerangka LangChain:





pip instal langchain

Langkah 2: Membangun Pemilih Contoh



Setelah itu, cukup impor perpustakaan untuk mengonfigurasi pemilih contoh dengan beberapa contoh dan metode seperti “ contoh_prompt ', ' contoh_pemilih ', Dan ' dinamis_prompt ”:

dari rantailang. petunjuknya impor Templat Prompt
dari rantailang. petunjuknya impor Templat BeberapaShotPrompt
dari rantailang. petunjuknya . contoh_pemilih impor Pemilih Contoh Berbasis Panjang

contoh = [
{ 'mendapatkan' : 'kecil' , 'pos' : 'besar' } ,
{ 'mendapatkan' : 'membenci' , 'pos' : 'Cinta' } ,
{ 'mendapatkan' : 'sakit' , 'pos' : 'Sehat' } ,
{ 'mendapatkan' : 'menyusut' , 'pos' : 'tumbuh' } ,
{ 'mendapatkan' : 'lembut' , 'pos' : 'keras' } ,
]
contoh_prompt = Templat Prompt (
masukan_variabel = [ 'mendapatkan' , 'pos' ] ,
templat = 'Masukan: {dapatkan} \N Keluaran: {posting}' ,
)
# Konfigurasikan pemilih contoh berbasis panjang dengan memberikan atau membatasi panjang maksimum kueri
contoh_pemilih = Pemilih Contoh Berbasis Panjang (
contoh = contoh ,
contoh_prompt = contoh_prompt ,
panjang maksimal = 25 ,
)
# Konfigurasikan dinamis_prompt menggunakan metode FewShotPrompttemplate() untuk menyetel templat kueri
dinamis_prompt = Templat BeberapaShotPrompt (
contoh_pemilih = contoh_pemilih ,
contoh_prompt = contoh_prompt ,
awalan = 'Saya ingin mendapatkan antonim dari setiap objek' ,
akhiran = 'Permintaan: {gaya} \N Tanggapan:' ,
masukan_variabel = [ 'gaya' ] ,
)

Langkah 3: Menggunakan Input Kecil

Sekarang, uji contoh pemilih menggunakan perintah kecil yang hanya berisi satu kata untuk mengekstrak templat di layar:

mencetak ( dinamis_prompt. format ( gaya = 'besar' ) )

Langkah 4: Menggunakan Input Panjang

Setelah itu, cukup gunakan prompt atau kueri yang lebih besar dengan banyak kata dan tetapkan ke “ string_panjang ' variabel:

string_panjang = 'besar dan besar dan masif dan besar dan raksasa dan tinggi dan lebih besar dari setiap pertanyaan lainnya'
mencetak ( dinamis_prompt. format ( gaya = string_panjang ) )

Langkah 5: Menambahkan Contoh ke Pemilih Contoh

Langkah selanjutnya digunakan untuk menambahkan contoh ke pemilih contoh menggunakan metode Dynamic_prompt():

contoh_baru = { 'mendapatkan' : 'besar' , 'pos' : 'kecil' }
dinamis_prompt. contoh_pemilih . tambahkan_contoh ( contoh_baru )
mencetak ( dinamis_prompt. format ( gaya = 'antusias' ) )

Sekian tentang penggunaan contoh pemilih berbasis panjang di LangChain.

Kesimpulan

Untuk menggunakan contoh pemilih pilih berdasarkan panjang di LangChain, instal kerangka LangChain untuk mengimpor pustaka guna membuat contoh pemilih. Setelah itu, gunakan perintah yang lebih kecil untuk memeriksa keluaran menggunakan pemilih contoh berbasis panjang, lalu gunakan perintah yang lebih panjang untuk mendapatkan contoh yang paling sesuai. Pengguna juga dapat menggunakan pemilih contoh untuk menambahkan contoh lain di dalamnya menggunakan metode dinamis_prompt(). Posting ini telah mengilustrasikan proses penggunaan contoh pemilih berdasarkan panjang di LangChain.