Die Large Language Models oder LLMs werden verwendet, um ein interaktives Modell zu erstellen, das mit Menschen in natürlichen Sprachen kommunizieren kann. Der Benutzer muss die Vorlage für die Eingabeaufforderungen konfigurieren, damit das Modell den Text verstehen und dann die Antwort effizient generieren kann. Um den Text in natürlicher Sprache zu generieren, muss das Modell anhand des Datensatzes in natürlicher Sprache trainiert werden.
Dieser Beitrag veranschaulicht den Prozess der Erstellung von Vorlagenformaten in LangChain.
Wie erstellt man Vorlagenformate in LangChain?
Python ist die effektivste Programmiersprache, die „ jinja2 ' Und ' fstring ”-Vorlagenformate, da standardmäßig der fstring verwendet wird. Um zu erfahren, wie Sie ein Vorlagenformat in LangChain erstellen, folgen Sie einfach dieser Anleitung:
Voraussetzung: LangChain installieren
Installieren Sie zunächst das LangChain-Framework, das die PromptTemplate-Bibliotheken enthält, die zum Erstellen von Vorlagenformaten verwendet werden können. Das LangChain-Framework installiert alle erforderlichen Abhängigkeiten, um die Struktur der Abfrage für die LLMs oder Chatbots aufzubauen:
pip langchain installieren
Methode 1: Verwendung der Jinja2-Vorlage
Anschließend importieren Sie die PromptTemplate-Bibliothek, um die jinja2-Vorlage zu verwenden, die die Abfrage mit Variablen enthält, die in der Methode prompt.format() definiert sind. Das jinja2-Format wird als Parameter der PromptTemplate()-Methode angegeben und der Prompt-Variable zugewiesen:
Importieren Sie PromptTemplate aus langchain.prompts
jinja2_template = „Erzähl mir ein {{ style }}-Gedicht über {{ theme }}“
prompt = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivational', theme='earth')
Die Ausgabe zeigt, dass das Modell die Werte der Variablen in der Abfrage korrekt verwendet hat, nachdem es sie verstanden hat:
Methode 2: Verwenden der fstring-Vorlage
Die zweite Methode verwendet das fstring-Vorlagenformat, das von der Programmiersprache Python standardmäßig als PromptTemplate verwendet wird. Zum Beispiel das „ fstring_template Die Variable „enthält die Abfrage und ruft dann die Methode PromptTemplate() mit der darin enthaltenen Variablen auf, um das Vorlagenformat zu erstellen:
Importieren Sie PromptTemplate aus langchain.promptsfstring_template = '''Erzähl mir ein {style}-Gedicht über {theme}'''
prompt = PromptTemplate.from_template(fstring_template)
prompt.format(style='motivational', theme='earth')
Dabei geht es um den Prozess der Erstellung von Vorlagenformaten in LangChain.
Abschluss
Um das Vorlagenformat in LangChain zu erstellen, starten Sie den Prozess einfach durch die Installation des LangChain-Frameworks. Es enthält alle Abhängigkeiten für die Verwendung der PromptTemplate()-Funktion. Es nutzt die fstring Vorlagenformat standardmäßig für die Python-Programmiersprachen. Der Benutzer kann auch die verwenden jinja2 Vorlage mit der template_format Parameter. In diesem Handbuch wurden beide PromptTemplate-Formate zum Erstellen der Vorlage in LangChain erläutert.