LangChain, Büyük Dil Modelleri oluşturmak için kullanılabilecek çoklu bağımlılıklar ve kütüphaneler içeren bir çerçevedir. Bu modeller insanlarla etkileşimde bulunmak için kullanılabilir ancak öncelikle modelin, insanın sorduğu soruyu/soruyu nasıl alacağını/anlayacağını öğrenmesi gerekir. Bunun için modelin bilgi istemi şablonları üzerinde eğitilmesi ve ardından kullanıcının verilen şablon içerisinde soruyu sorması gerekir.
Bu kılavuz, LangChain'de bilgi istemi şablonları oluşturma sürecini gösterecektir.
LangChain'de Bilgi İstemi Şablonları Nasıl Oluşturulur?
LangChain'de bilgi istemi şablonları oluşturmak için birden fazla adım içeren aşağıdaki kılavuzu uygulamanız yeterlidir:
Adım 1: Modülleri ve Kurulum Ortamını Kurun
LangChain çerçevesini yükleyerek LangChain'de bilgi istemi şablonları oluşturma sürecini başlatın:
pip kurulumu langchain
Şimdi kütüphanelerine erişmek ve onu kullanarak bir ortam oluşturmak için OpenAI modüllerini yükleyin:
pip kurulumu openai
Kurulumu OpenAI ortamı işletim sistemine erişmek ve OpenAI API anahtarını sağlamak için os kitaplığını kullanma:
bizi ithal etgetpass'ı içe aktar
os.environ['OPENAI_API_KEY'] = getpass.getpass('OpenAI API Anahtarı:')
Adım 2: Bilgi İstemi Şablonunu Kullanma
LangChain'i yükledikten sonra, PromptTemplate kitaplığını içe aktarın ve bir şakayla ilgili sorgu için sıfat, içerik vb. değişkenler gibi bazı ekstra yönleri içeren bir şablon oluşturun:
langchain'den içe aktarma PromptTemplatePrompt_template = PromptTemplate.from_template(
'Bana {tema} hakkında bir {tarz} şakası söyle'
)
Prompt_template.format(style='komik', theme='tavuklar')
Bilgi istemi ayarlandı ve değişkenin değerleri komuta eklenerek modele verildi:
Kullanıcı, şaka isteyen basit bir sorguyla bilgi istemi şablonunu özelleştirebilir:
langchain'den içe aktarma PromptTemplatePrompt_template = PromptTemplate.from_template(
'Bana bir fıkra anlat'
)
Prompt_template.format()
Yukarıdaki yöntem tek bir sorgulama ve cevap içindir ancak bazen kullanıcı modelle sohbet şeklinde etkileşim kurmak ister ve bir sonraki bölümde formatı açıklanır.
3. Adım: Sohbet İstemi Şablonunu Kullanma
Bu bölümde, iki insanın birbirleriyle etkileşime girmesi gibi bir konuşma düzenine dayanan bir sohbet modelinin şablonu açıklanmaktadır:
langchain.prompts'tan ChatPromptTemplate'i içe aktarınşablon = ChatPromptTemplate.from_messages([
('sistem', 'Kullanıcıya yardımcı olacak AI sohbet botu. Size {name} deniyor.'),
('insan', 'Merhaba, nasılsın'),
('ai', 'Nasılsın'),
('insan', '{user_input}'),
])
mesajlar = şablon.format_messages(
isim = 'John',
user_input = 'Sana ne demeliyim'
)
Şablon yapısını ayarladıktan sonra, modele ondan ne beklendiğini anlatmak için metinde birkaç satır yazmanız yeterlidir ve bir komut vermek için llm() işlevini kullanın:
langchain.prompts'tan ChatPromptTemplate'i içe aktarınlangchain.prompts.chat'ten SystemMessage'ı, HumanMessagePromptTemplate'i içe aktarın
şablon = ChatPromptTemplate.from_messages(
[
Sistem mesajı(
içerik=(
'Kullanıcının kullanıcı metnini daha etkili bir şekilde yeniden yazmasına yardımcı olmak ve yardımcı olmak için buradasınız'
)
),
HumanMessagePromptTemplate.from_template('{text}'),
]
)
langchain.chat_models'den ChatOpenAI'yi içe aktarın
llm = ChatOpenAI()
llm(template.format_messages(text='lezzetli şeyler yemeyi sevmiyorum'))
SystemMessage() yöntemi, LLM'de kullanılan sorguya verilen yanıtın içeriğini içerir:
Bunların hepsi LangChain'de bilgi istemi şablonları oluşturmakla ilgilidir.
Çözüm
LangChain'de bir bilgi istemi şablonu oluşturmak için, OpenAI API anahtarını kullanarak bir ortam oluşturmak üzere LangChain ve OpenAI modüllerini kurmanız yeterlidir. Bundan sonra, bir şaka istemek veya herhangi bir konuda tek bir soru sormak gibi tek bir istem için bir bilgi istemi şablonu oluşturun. Diğer bir yöntem ise iki farklı insan arasındaki etkileşim sürecine dayalı olarak bir sohbet modeli için şablon özelleştirmektir. Bu gönderi, LangChain'de bir bilgi istemi şablonu oluşturma sürecini göstermektedir.