Bu gönderi LangChain'de liste ayrıştırıcıyı kullanma sürecini gösterecektir.
LangChain'de Liste Ayrıştırıcı Nasıl Kullanılır?
Liste ayrıştırıcı sınıfları, çıktıyı virgül kullanılarak ayrılmış birden çok nesne içeren bir liste biçiminde almak için kullanılır. LangChain modülü aşağıdakilerin kullanılmasını sağlar: CommaSeparatedListOutputParser Çıktıyı yapılandırılmış bir liste biçiminde almak için kütüphane.
LangChain'de liste ayrıştırıcıyı kullanma sürecini öğrenmek için listelenen adımları uygulamanız yeterlidir:
Adım 1: Modülleri Kurun
Öncelikle Python notebook veya IDE'de pip install komutunu kullanarak LangChain çerçevesini yükleyerek başlayın:
pip düzenlemek uzun zincir
İndirilmesi gereken diğer bir modül ise OpenAI ve ChatOpenAI kütüphanelerini edinmek için kullanılan OpenAI'dir:
pip düzenlemek açık
Gerekli modülleri kurduktan sonra; OpenAI'yi kurun ortamı içe aktardıktan sonra API anahtarını kullanarak Sen ' Ve ' geçiş izni ” kütüphaneler:
bizi ithal etgetpass'ı içe aktar
işletim sistemi ortamı [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API Anahtarı:' )
2. Adım: Kitaplıkları İçe Aktarın
OpenAI ortamını kurduktan sonra, CommaSeparatedListOutputParser, OpenAI ve çok daha fazlası gibi liste ayrıştırıcılarını kullanmak için gereken kitaplıkları içe aktarmanız yeterlidir:
langchain.prompts'tan ChatPromptTemplate'i içe aktarın
langchain.llms'den OpenAI'yi içe aktarın
langchain.prompts'tan PromptTemplate'i içe aktarın
langchain.chat_models'den ChatOpenAI'yi içe aktarın
langchain.prompts'tan HumanMessagePromptTemplate'i içe aktarın
Adım 3: Liste Çıkışı Ayrıştırıcısı Oluşturma
Bir sonraki adım, liste çıktı ayrıştırıcısını oluşturmak ve ardından bir liste oluşturacak nesnelerin sayısını sınırlamak için bilgi istemi şablonunu yapılandırmaktır:
format_instructions = çıktı_parser.get_format_instructions ( )
istem = PromptTemplate (
şablon = 'Beş {konu} listeleyin. \N {format_instructions}' ,
girdi_değişkenleri = [ 'ders' ] ,
kısmi_değişkenler = { 'format_instructions' : format_instructions }
)
Adım 4: Modelin Test Edilmesi
Bilgi istemi şablonu ayarlandıktan sonra, “ modeli ” değişkenini kullanın ve ardından girişi sağlayın. Bundan sonra “ çıktı ” giriş sorgusunu içeren değişkeni kullanın ve ayrıştırıcıyı çağırın. Bilgi istemi şablonuyla sınırlı olan sorguya dayalı olarak listeyi çıkaracaktır:
_input = istem.format ( ders = 'içecekler' )
çıktı = model ( _giriş )
çıktı_parser.parse ( çıktı )
Bunların hepsi LangChain'de liste çıktı ayrıştırıcısını kullanma süreciyle ilgilidir.
Çözüm
LangChain'de liste çıktı ayrıştırıcısını kullanmak için, OpenAI API anahtarını kullanarak ortamını ayarlamak üzere gerekli modülleri kurmanız yeterlidir. Bundan sonra, liste çıktı ayrıştırıcısını oluşturmak ve kullanmak için gereken kitaplıkları içe aktarın ve ardından modeli, istemin şablon yapısıyla yapılandırın. Model başarılı bir şekilde oluşturulduktan sonra, kullanıcı tarafından sağlanan girdiye göre listeyi almak için modeli test etmeniz yeterlidir. Bu kılavuz, LangChain'de liste çıktı ayrıştırıcısını kullanma sürecini göstermektedir.