Ang Large Language Models o LLM ay ginagamit upang lumikha ng isang interactive na modelo na maaaring makipag-usap sa mga tao sa natural na mga wika. Kailangang i-configure ng user ang template para sa mga prompt upang maunawaan ng modelo ang text at pagkatapos ay mabuo ang sagot nang mahusay. Upang mabuo ang teksto sa natural na wika, kailangang sanayin ang modelo sa dataset sa natural na wika.
Ang post na ito ay maglalarawan sa proseso ng pagbuo ng mga format ng template sa LangChain.
Paano Gumawa ng Mga Format ng Template sa LangChain?
Ang Python ay ang pinaka-epektibong programming language na gumagamit ng ' jinja2 'at' fstring ” mga format ng template habang ginagamit ang fstring bilang default. Upang matutunan kung paano bumuo ng format ng template sa LangChain, sundin lamang ang gabay na ito:
Kinakailangan: I-install ang LangChain
Una, i-install ang LangChain framework na naglalaman ng mga aklatan ng PromptTemplate na maaaring magamit upang bumuo ng mga format ng template. Ini-install ng LangChain framework ang lahat ng kinakailangang dependency upang mabuo ang istruktura ng query para sa mga LLM o chatbots:
pip install langchain
Paraan 1: Paggamit ng Jinja2 Template
Pagkatapos noon, i-import ang PromptTemplate library para gamitin ang jinja2 template na naglalaman ng query na may mga variable na tinukoy sa prompt.format() na paraan. Ang format ng jinja2 ay tinukoy bilang parameter ng PromptTemplate() na paraan at itinalaga sa prompt variable:
mula sa langchain.prompts import PromptTemplate
jinja2_template = 'Sabihin sa akin ang isang {{ istilo }} tula tungkol sa {{ tema }}'
prompt = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivational', theme='earth')
Ipinapakita ng output na ginamit nang tama ng modelo ang mga value ng variable sa query pagkatapos itong maunawaan:
Paraan 2: Paggamit ng fstring Template
Ang pangalawang paraan ay gumagamit ng fstring template na format na ginagamit bilang default bilang PromptTemplate ng Python programming language. Halimbawa, ang ' fstring_template ” variable ay naglalaman ng query at pagkatapos ay tinatawagan ang PromptTemplate() na pamamaraan na may variable sa loob nito upang buuin ang format ng template:
mula sa langchain.prompts import PromptTemplatefstring_template = '''Sabihin sa akin ang isang {style} na tula tungkol sa {tema}'''
prompt = PromptTemplate.from_template(fstring_template)
prompt.format(style='motivational', theme='earth')
Iyon ay tungkol sa proseso ng pagbuo ng mga format ng template sa LangChain.
Konklusyon
Upang buuin ang format ng template sa LangChain, simulan lang ang proseso sa pamamagitan ng pag-install ng LangChain framework. Naglalaman ito ng lahat ng mga dependency para sa paggamit ng PromptTemplate() function. Ginagamit nito ang fstring format ng template bilang default para sa mga programming language ng Python. Magagamit din ng user ang jinja2 template gamit ang template_format parameter. Ipinaliwanag ng gabay na ito ang parehong mga format ng PromptTemplate upang buuin ang template sa LangChain.