Les grands modèles linguistiques ou LLM sont utilisés pour créer un modèle interactif capable de communiquer avec les humains dans des langues naturelles. L'utilisateur doit configurer le modèle pour les invites afin que le modèle puisse comprendre le texte, puis générer efficacement la réponse. Pour générer le texte en langage naturel, le modèle doit être entraîné sur l'ensemble de données en langage naturel.
Cet article illustrera le processus de création de formats de modèles dans LangChain.
Comment créer des formats de modèles dans LangChain ?
Python est le langage de programmation le plus efficace qui utilise « Jinja2 ' et ' chaîne de caractères ' formats de modèle car la fstring est utilisée par défaut. Pour apprendre à créer un format de modèle dans LangChain, suivez simplement ce guide :
Condition préalable : installer LangChain
Tout d'abord, installez le framework LangChain qui contient les bibliothèques PromptTemplate qui peuvent être utilisées pour créer des formats de modèles. Le framework LangChain installe toutes les dépendances requises pour construire la structure de la requête pour les LLM ou les chatbots :
pip installer langchain
Méthode 1 : utilisation du modèle jinja2
Après cela, importez la bibliothèque PromptTemplate pour utiliser le modèle jinja2 contenant la requête avec les variables définies dans la méthode prompt.format(). Le format jinja2 est spécifié comme paramètre de la méthode PromptTemplate() et affecté à la variable d'invite :
à partir de langchain.prompts, importez PromptTemplate
jinja2_template = 'Raconte-moi un poème de {{ style }} sur {{ thème }}'
prompt = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivational', theme='earth')
Le résultat indique que le modèle a utilisé correctement les valeurs de la variable dans la requête après l'avoir comprise :
Méthode 2 : utilisation du modèle fstring
La deuxième méthode utilise le format de modèle fstring qui est utilisé par défaut comme PromptTemplate par le langage de programmation Python. Par exemple, le « fstring_template La variable ' contient la requête, puis appelle la méthode PromptTemplate() avec la variable à l'intérieur pour créer le format du modèle :
à partir de langchain.prompts, importez PromptTemplatefstring_template = '''Parlez-moi d'un poème de {style} sur {thème}'''
invite = PromptTemplate.from_template(fstring_template)
prompt.format(style='motivational', theme='earth')
Il s’agit du processus de création de formats de modèles dans LangChain.
Conclusion
Pour créer le format de modèle dans LangChain, démarrez simplement le processus en installant le framework LangChain. Il contient toutes les dépendances permettant d'utiliser la fonction PromptTemplate(). Il utilise le chaîne de caractères format de modèle par défaut pour les langages de programmation Python. L'utilisateur peut également utiliser le Jinja2 modèle utilisant le format_modèle paramètre. Ce guide a expliqué les deux formats PromptTemplate pour créer le modèle dans LangChain.