この投稿では、プロンプト テンプレートと出力パーサーを使用して LangChain アプリケーションを構築するプロセスを説明します。
プロンプト テンプレートと出力パーサーを使用して LangChain アプリケーションを構築するにはどうすればよいですか?
プロンプト テンプレートと出力パーサーを使用して LangChain アプリケーションを構築するには、この簡単なガイドに従うだけです。
ステップ 1: LangChain をインストールする
まず、「」を使用して LangChain フレームワークをインストールして、LangChain アプリケーションを構築するプロセスを開始します。 ピップ ' 指示：
pip インストール ラングチェーン
ステップ 2: プロンプト テンプレートの使用
LangChain モジュールをインストールした後、「 プロンプトテンプレート 」ライブラリを使用して、モデルが質問を理解するためのクエリを提供することで、プロンプト テンプレートを構築します。
langchain.prompts から PromptTemplate をインポート
プロンプト = PromptTemplate.from_template('{product} に適した色の組み合わせは何ですか?')
プロンプト.format(product='カラフルな靴下')
出力では、文と「」の値が自動的に結合されました。 製品 ' 変数：
その後、LangChain から HumanMessagePromptTemplate、ChatPromptTemplate、および SystemMessagePromptTemplate ライブラリをインポートして、別のプロンプト テンプレートを構築します。
langchain.prompts.chat インポートから (チャットプロンプトテンプレート、
SystemMessagePromptTemplate、
HumanMessagePromptTemplate、
）
#LangChain モデルのプロンプト テンプレートを構成する
template = 'あなたは {input_ language} を {output_ language} に翻訳するヘルパーです。'
system_message_prompt = SystemMessagePromptTemplate.from_template(テンプレート)
human_template = '{テキスト}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_messages(input_lang='フランス語', Output_lang='英語', text='AI が好きです')
必要なライブラリをすべてインポートした後、テンプレート変数を使用してクエリのカスタム テンプレートを構築するだけです。
プロンプト テンプレートは、クエリ/質問のテンプレートを設定するためにのみ使用され、質問に対する回答は返されません。ただし、次のセクションで例を示して説明するように、OutputParser() 関数は回答を抽出できます。
ステップ 3: 出力パーサーの使用
ここで、LangChain から BaseOutputParser ライブラリをインポートして、テキスト値をカンマで区切って出力でリストを返します。
langchain.schema から BaseOutputParser をインポートクラス CommaSeparatedListOutputParser(BaseOutputParser):
def parse(self, text: str):
return text.strip().split(', ')
CommaSeparatedListOutputParser().parse('ありがとう、ようこそ')
プロンプト テンプレートと出力パーサーを使用して LangChain アプリケーションを構築する方法は以上です。
結論
プロンプト テンプレートと出力パーサーを使用して LangChain アプリケーションを構築するには、LangChain をインストールし、そこからライブラリをインポートするだけです。 PromptTemplate ライブラリは、Parser() 関数を使用して情報を抽出する前にモデルが質問を理解できるように、クエリの構造を構築するために使用されます。 OutputParser() 関数は、以前にカスタマイズされたクエリに基づいて回答を取得するために使用されます。このガイドでは、プロンプト テンプレートと出力パーサーを使用して LangChain アプリケーションを構築するプロセスについて説明しました。