人工知能は、機械学習アルゴリズムを使用して、膨大なデータを使用してモデルをトレーニングおよびテストする、最も急速に成長しているテクノロジーの 1 つです。データはさまざまな形式で保存できますが、LangChain を使用して大規模言語モデルを作成する場合、最も使用されるタイプは JSON です。モデルが効果的に実行できるように、トレーニング データとテスト データは曖昧さのない明確で完全なものである必要があります。
このガイドでは、LangChain で pydantic JSON パーサーを使用するプロセスを説明します。
LangChain で Pydantic (JSON) パーサーを使用する方法?
JSON データには、Web スクレイピングやログなどの他の多くのソースを通じて収集できるテキスト形式のデータが含まれています。データの正確性を検証するために、LangChain は Python の pydantic ライブラリを使用してプロセスを簡素化します。 LangChain で pydantic JSON パーサーを使用するには、このガイドを参照してください。
ステップ 1: モジュールをインストールする
このプロセスを開始するには、LangChain モジュールをインストールして、LangChain でパーサーを使用するためのライブラリを使用するだけです。
ピップ インストール ラングチェーン
ここで、「」を使用してください。 ピップインストール 」コマンドを使用して OpenAI フレームワークを取得し、そのリソースを使用します。
ピップ インストール オープンナイ
モジュールをインストールした後、「」を使用して API キーを指定して OpenAI 環境に接続するだけです。 あなた ' そして ' ゲットパス ” ライブラリ:
私たちを輸入してくださいgetpass をインポートする
OS.環境 [ 「OPENAI_API_KEY」 】 = getpass.getpass ( 「OpenAI API キー:」 ）
ステップ 2: ライブラリをインポートする
LangChain モジュールを使用して、プロンプトのテンプレートの作成に使用できる必要なライブラリをインポートします。プロンプトのテンプレートには、モデルがプロンプトを効果的に理解できるように、自然言語で質問する方法が記述されています。また、OpenAI や ChatOpenAI などのライブラリをインポートして、チャットボットを構築するための LLM を使用したチェーンを作成します。
langchain.prompts インポートから (プロンプトテンプレート、
チャットプロンプトテンプレート、
HumanMessagePromptTemplate、
）
langchain.llms から OpenAI をインポート
langchain.chat_models から ChatOpenAI をインポート
その後、BaseModel、Field、validator などの pydantic ライブラリをインポートして、LangChain で JSON パーサーを使用します。
langchain.output_parsers から PydanticOutputParser をインポートpydantic import BaseModel、Field、validator から
import List の入力から
ステップ 3: モデルの構築
pydantic JSON パーサーを使用するためのすべてのライブラリを取得したら、OpenAI() メソッドを使用して、事前に設計されたテスト済みモデルを取得するだけです。
モデル名 = 「テキスト-ダヴィンチ-003」温度 = 0.0
モデル = OpenAI ( モデル名 =モデル名、 温度 =温度 ）
ステップ 4: アクターの BaseModel を構成する
俳優のフィルモグラフィーを尋ねることにより、名前や映画などの俳優に関連する回答を取得する別のモデルを構築します。
クラスアクター ( ベースモデル ） :名前: str = フィールド ( 説明 = 「主演俳優の名前」 ）
映画名: リスト [ str 】 = フィールド ( 説明 = 「その俳優が主演した映画」 ）
アクター_クエリ = 「俳優のフィルモグラフィーを見たい」
パーサー = PydanticOutputParser ( pydantic_object =俳優 ）
プロンプト = プロンプトテンプレート (
テンプレート = 「ユーザーからのプロンプトに応答します。 \n {format_instructions} \n {クエリ} \n 」 、
入力変数 = [ 「クエリ」 】 、
部分変数 = { 「フォーマットの説明」 : parser.get_format_instructions ( ） } 、
）
ステップ 5: 基本モデルのテスト
プロンプトに対して生成された結果を含む出力変数を指定して parse() 関数を使用して、単純に出力を取得します。
_input = プロンプト.フォーマット_プロンプト ( クエリ =アクター_クエリ ）出力 = モデル ( _input.to_string ( ） ）
パーサー.パース ( 出力 ）
「」という名前の俳優 トム・ハンクス 」と彼の映画のリストは、モデルから pydantic 関数を使用して取得されました。
LangChain での pydantic JSON パーサーの使用については以上です。
結論
LangChain で pydantic JSON パーサーを使用するには、LangChain モジュールと OpenAI モジュールをインストールして、それらのリソースとライブラリに接続するだけです。その後、OpenAI や pydantic などのライブラリをインポートして基本モデルを構築し、JSON 形式でデータを検証します。基本モデルを構築した後、parse() 関数を実行すると、プロンプトに対する回答が返されます。この投稿では、LangChain で pydantic JSON パーサーを使用するプロセスを示しました。