Hur man använder längdbaserad exempelväljare i LangChain?

Hur Man Anvander Langdbaserad Exempelvaljare I Langchain



LangChain används för att bygga naturliga språkmodeller som kan användas för att ha en konversation med människor på deras språk som engelska, etc. Utvecklaren använder flera datamängder eller exempeldata för att träna dessa modeller, och det är inte möjligt att använda alla dessa exempel. tiden. Så, exempelväljare används för att välja datamängden eller exempel baserat på flera faktorer och längd är en av dessa väljare.

Det här inlägget kommer att demonstrera processen för att använda väljaren för längdexempel i LangChain.

Hur man använder längdbaserad exempelväljare i LangChain?

Exempelväljare används för att välja data eller exempel som ska användas för att träna modellerna. Den längdbaserade är processen att välja dessa exempel utifrån deras längd. Exemplet välj efter längd används mest när längden på prompten överstiger längden på sammanhanget.







För att lära dig hur du använder välj-för-längd-exempelväljaren i LangChain, gå helt enkelt igenom följande guide:



Steg 1: Installera LangChain



Börja först med att använda väljaren för längdexempel genom att installera LangChain-ramverket:





pip installera langkedja

Steg 2: Byggexempelväljare



Efter det, importera helt enkelt biblioteken för att konfigurera exempelväljaren med flera exempel och metoder som ' exempel_prompt ', ' exempel_väljare ', och ' dynamisk_prompt ”:

från långkedja. uppmaningar importera PromptMall
från långkedja. uppmaningar importera FewShotPromptMall
från långkedja. uppmaningar . exempel_väljare importera LengthBasedExampleSelector

exempel = [
{ 'skaffa sig' : 'mycket liten' , 'posta' : 'stor' } ,
{ 'skaffa sig' : 'hata' , 'posta' : 'kärlek' } ,
{ 'skaffa sig' : 'sjuk' , 'posta' : 'väl' } ,
{ 'skaffa sig' : 'krympa' , 'posta' : 'växa' } ,
{ 'skaffa sig' : 'mjuk' , 'posta' : 'hård' } ,
]
exempel_prompt = PromptMall (
input_variables = [ 'skaffa sig' , 'posta' ] ,
mall = 'Indata: {get} \n Utdata: {post}' ,
)
# Konfigurera längdbaserad exempelväljare genom att tillhandahålla eller begränsa den maximala längden på frågan
exempel_väljare = LengthBasedExampleSelector (
exempel = exempel ,
exempel_prompt = exempel_prompt ,
Maxlängd = 25 ,
)
# Konfigurera dynamic_prompt med metoden FewShotPrompttemplate() för att ställa in mallen för frågan
dynamisk_prompt = FewShotPromptMall (
exempel_väljare = exempel_väljare ,
exempel_prompt = exempel_prompt ,
prefix = 'Jag vill få motsatsen till varje objekt' ,
ändelse = 'Fråga: {stil} \n Svar:' ,
input_variables = [ 'stil' ] ,
)

Steg 3: Använd liten ingång

Testa nu exempelväljaren med en liten uppmaning av bara ett enda ord för att extrahera mallen på skärmen:

skriva ut ( dynamisk_prompt. formatera ( stil = 'stor' ) )

Steg 4: Använd lång inmatning

Efter det, använd helt enkelt en större uppmaning eller fråga med flera ord och tilldela den till ' lång_sträng ' variabel:

lång_sträng = 'stor och enorm och massiv och stor och gigantisk och lång och större än alla andra frågor'
skriva ut ( dynamisk_prompt. formatera ( stil = lång_sträng ) )

Steg 5: Lägga till exempel till exempelväljaren

Nästa steg används för att lägga till exemplet till exempelväljaren med metoden dynamic_prompt():

nytt_exempel = { 'skaffa sig' : 'stor' , 'posta' : 'små' }
dynamisk_prompt. exempel_väljare . add_example ( nytt_exempel )
skriva ut ( dynamisk_prompt. formatera ( stil = 'entusiastisk' ) )

Det handlar om att använda den längdbaserade exempelväljaren i LangChain.

Slutsats

För att använda exempelväljaren välj efter längd i LangChain, installera LangChain-ramverket för att importera biblioteken för att bygga exempelväljaren. Använd sedan en mindre prompt för att kontrollera utdata med den längdbaserade exempelväljaren och använd sedan en längre prompt för att få det mest lämpliga exemplet. Användaren kan också använda exempelväljaren för att lägga till ytterligare ett exempel i den med metoden dynamic_prompt(). Det här inlägget har illustrerat processen att använda väljaren för längdexempel i LangChain.