Os Large Language Models ou LLMs são usados para criar um modelo interativo que pode se comunicar com humanos em linguagens naturais. O usuário precisa configurar o template dos prompts para que o modelo possa entender o texto e então gerar a resposta com eficiência. Para gerar o texto em linguagem natural, o modelo precisa ser treinado no conjunto de dados em linguagem natural.
Esta postagem irá ilustrar o processo de construção de formatos de modelo no LangChain.
Como construir formatos de modelo em LangChain?
Python é a linguagem de programação mais eficaz que usa “ Jinja2 ' e ' corda ”Formatos de modelo já que o fstring é usado por padrão. Para aprender como construir um formato de modelo no LangChain, basta seguir este guia:
Pré-requisito: instalar LangChain
Primeiramente, instale a estrutura LangChain que contém as bibliotecas PromptTemplate que podem ser usadas para construir formatos de modelo. A estrutura LangChain instala todas as dependências necessárias para construir a estrutura da consulta para os LLMs ou chatbots:
pip instalar langchain
Método 1: usando o modelo jinja2
Depois disso, importe a biblioteca PromptTemplate para utilizar o template jinja2 contendo a consulta com variáveis que são definidas no método prompt.format(). O formato jinja2 é especificado como parâmetro do método PromptTemplate() e atribuído à variável prompt:
de langchain.prompts importar PromptTemplate
jinja2_template = 'Conte-me um poema de {{ style }} sobre {{ theme }}'
prompt = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivacional', tema='terra')
A saída mostra que o modelo usou os valores da variável na consulta corretamente após entendê-la:
Método 2: usando modelo fstring
O segundo método usa o formato de modelo fstring que é usado por padrão como PromptTemplate pela linguagem de programação Python. Por exemplo, o “ fstring_template ” contém a consulta e então chama o método PromptTemplate() com a variável dentro dele para construir o formato do modelo:
de langchain.prompts importar PromptTemplatefstring_template = '''Conte-me um poema de {style} sobre {theme}'''
prompt = PromptTemplate.from_template(fstring_template)
prompt.format(style='motivacional', tema='terra')
Isso é tudo sobre o processo de construção de formatos de modelo no LangChain.
Conclusão
Para construir o formato do modelo no LangChain, basta iniciar o processo instalando a estrutura LangChain. Ele contém todas as dependências para usar a função PromptTemplate(). Ele usa o corda formato de modelo por padrão para as linguagens de programação Python. O usuário também pode usar o Jinja2 modelo usando o formato_modelo parâmetro. Este guia explicou os formatos PromptTemplate para construir o modelo em LangChain.