De stora språkmodellerna eller LLM används för att skapa en interaktiv modell som kan kommunicera med människor på naturliga språk. Användaren måste konfigurera mallen för uppmaningarna så att modellen kan förstå texten och sedan generera svaret effektivt. För att generera texten på naturligt språk behöver modellen tränas på datamängden på det naturliga språket.
Det här inlägget kommer att illustrera processen att bygga mallformat i LangChain.
Hur man bygger mallformat i LangChain?
Python är det mest effektiva programmeringsspråket som använder ' jinja2 ' och ' fstring ” mallformat eftersom f-strängen används som standard. För att lära dig hur man bygger ett mallformat i LangChain, följ helt enkelt den här guiden:
Förutsättning: Installera LangChain
Installera först LangChain-ramverket som innehåller PromptTemplate-biblioteken som kan användas för att bygga mallformat. LangChain-ramverket installerar alla nödvändiga beroenden för att bygga strukturen för frågan för LLM:erna eller chatbotarna:
pip installera langkedja
Metod 1: Använd jinja2-mall
Efter det, importera PromptTemplate-biblioteket för att använda mallen jinja2 som innehåller frågan med variabler som definieras i prompt.format()-metoden. Formatet jinja2 anges som parametern för metoden PromptTemplate() och tilldelas promptvariabeln:
från langchain.prompts importera PromptTemplate
jinja2_template = 'Berätta en {{ style }} dikt om {{ tema }}'
prompt = PromptTemplate.from_template(jinja2_template, template_format='jinja2')
prompt.format(style='motivational', theme='earth')
Utdata visar att modellen har använt värdena för variabeln i frågan korrekt efter att ha förstått den:
Metod 2: Använd fstring-mall
Den andra metoden använder fstring-mallformatet som används som standard som PromptTemplate av programmeringsspråket Python. Till exempel, ' fstring_template ” variabeln innehåller frågan och anropar sedan metoden PromptTemplate() med variabeln inuti för att bygga mallformatet:
från langchain.prompts importera PromptTemplatefstring_template = '''Berätta en {style}-dikt om {theme}'''
prompt = PromptMall.from_template(fstring_template)
prompt.format(style='motivational', theme='earth')
Det handlar om processen att bygga mallformat i LangChain.
Slutsats
För att bygga mallformatet i LangChain, starta helt enkelt processen genom att installera LangChain-ramverket. Den innehåller alla beroenden för att använda PromptTemplate()-funktionen. Den använder fstring mallformat som standard för Python-programmeringsspråken. Användaren kan också använda jinja2 mall med hjälp av mallformat parameter. Den här guiden har förklarat båda PromptTemplate-formaten för att bygga mallen i LangChain.