LangChain est le framework contenant plusieurs dépendances et bibliothèques qui peuvent être utilisées pour créer de grands modèles de langage. Ces modèles peuvent être utilisés pour interagir avec les humains, mais d'abord, le modèle doit apprendre à obtenir/comprendre l'invite/la question posée par l'humain. Pour cela, le modèle doit être formé sur les modèles d'invite, puis l'utilisateur pose la question dans le modèle donné.
Ce guide illustrera le processus de création de modèles d'invite dans LangChain.
Comment créer des modèles d’invite dans LangChain ?
Pour créer des modèles d'invite dans LangChain, parcourez simplement le guide suivant en plusieurs étapes :
Étape 1 : Installer les modules et l'environnement de configuration
Démarrez le processus de création de modèles d'invite dans LangChain en installant le framework LangChain :
pip installer langchain
Maintenant, installez les modules OpenAI pour accéder à ses bibliothèques et définissez un environnement qui l'utilise :
pip installer openai 
Mettre en place le Environnement OpenAI en utilisant la bibliothèque os pour accéder au système d'exploitation et fournir la clé API OpenAI :
importez-nousimporter getpass
os.environ['OPENAI_API_KEY'] = getpass.getpass('Clé API OpenAI :')
Étape 2 : Utilisation d'un modèle d'invite
Après avoir installé LangChain, importez simplement la bibliothèque PromptTemplate et créez un modèle pour la requête sur une blague avec quelques aspects supplémentaires sous forme de variables comme l'adjectif, le contenu, etc. :
à partir de Langchain import PromptTemplateprompt_template = PromptTemplate.from_template(
'Racontez-moi une blague {style} sur {thème}'
)
prompt_template.format(style='funny', theme='poulets')
L'invite a été définie et donnée au modèle avec les valeurs de la variable insérée dans la commande :
L'utilisateur peut personnaliser le modèle d'invite avec une simple requête demandant une blague :
à partir de Langchain import PromptTemplateprompt_template = PromptTemplate.from_template(
'Raconte moi une blague'
)
prompt_template.format()
La méthode ci-dessus concerne une requête et une réponse uniques, mais parfois l'utilisateur souhaite interagir avec le modèle sous la forme d'un chat et la section suivante explique son format.
Étape 3 : Utilisation du modèle d'invite de discussion
Cette section explique le modèle d'un modèle de chat basé sur un modèle de conversation comme deux humains interagissant l'un avec l'autre :
à partir de langchain.prompts, importez ChatPromptTemplatemodèle = ChatPromptTemplate.from_messages([
('système', 'Chatbot IA pour assister l'utilisateur. Vous vous appelez {nom}.'),
('humain', 'Bonjour, comment vas-tu'),
('ai', 'Comment vas-tu'),
('humain', '{user_input}'),
])
messages = template.format_messages(
nom='Jean',
user_input='Comment dois-je vous appeler'
)
Après avoir défini la structure du modèle, écrivez simplement quelques lignes dans le texte pour indiquer au modèle ce que l'on attend de lui et utilisez la fonction llm() pour donner une invite :
à partir de langchain.prompts, importez ChatPromptTemplateà partir de langchain.prompts.chat importer SystemMessage, HumanMessagePromptTemplate
modèle = ChatPromptTemplate.from_messages(
[
Message système(
contenu=(
'Vous êtes ici pour assister et aider l'utilisateur à réécrire le texte utilisateur plus efficacement'
)
),
HumanMessagePromptTemplate.from_template('{texte}'),
]
)
depuis langchain.chat_models importer ChatOpenAI
llm = ChatOpenAI()
llm(template.format_messages(text='je n'aime pas manger des choses savoureuses'))
La méthode SystemMessage() contient le contenu de la réponse à la requête utilisée dans le LLM :
Il s’agit de créer des modèles d’invite dans LangChain.
Conclusion
Pour créer un modèle d'invite dans LangChain, installez simplement les modules LangChain et OpenAI pour configurer un environnement à l'aide de la clé API OpenAI. Après cela, créez un modèle d'invite pour une seule invite, comme demander une blague ou une seule question sur quoi que ce soit. Une autre méthode consiste à personnaliser un modèle de chat basé sur le processus d’interaction entre deux humains différents. Cet article a illustré le processus de création d'un modèle d'invite dans LangChain.