Изкуственият интелект е една от най-бързо развиващите се технологии, използващи алгоритми за машинно обучение за обучение и тестване на модели, използващи огромни данни. Данните могат да се съхраняват в различни формати, но за създаване на големи езикови модели с помощта на LangChain най-използваният тип е JSON. Данните за обучение и тестване трябва да са ясни и пълни без никакви неясноти, така че моделът да може да работи ефективно.
Това ръководство ще демонстрира процеса на използване на пидантичния анализатор на JSON в LangChain.
Как да използвам Pydantic (JSON) парсер в LangChain?
Данните JSON съдържат текстов формат на данни, които могат да бъдат събрани чрез уеб скрапинг и много други източници като регистрационни файлове и т.н. За да потвърди точността на данните, LangChain използва пидантичната библиотека от Python, за да опрости процеса. За да използвате пидантичния анализатор на JSON в LangChain, просто преминете през това ръководство:
Стъпка 1: Инсталирайте модули
За да започнете с процеса, просто инсталирайте модула LangChain, за да използвате неговите библиотеки за използване на анализатора в LangChain:
пип Инсталирай Langchain
Сега използвайте „ pip инсталация ”, за да получите рамката OpenAI и да използвате нейните ресурси:
пип Инсталирай openai
След като инсталирате модулите, просто се свържете към средата на OpenAI, като предоставите нейния API ключ, като използвате „ Вие ' и ' getpass ” библиотеки:
импортирайте ниимпортиране на getpass
os.environ [ „OPENAI_API_KEY“ ] = getpass.getpass ( „Ключ за OpenAI API:“ )
Стъпка 2: Импортирайте библиотеки
Използвайте модула LangChain, за да импортирате необходимите библиотеки, които могат да се използват за създаване на шаблон за подканата. Шаблонът за подканата описва метода за задаване на въпроси на естествен език, така че моделът да може да разбере ефективно подканата. Освен това импортирайте библиотеки като OpenAI и ChatOpenAI, за да създавате вериги, използващи LLMs за изграждане на чатбот:
от langchain.prompts импортиране (PromptTemplate,
ChatPromptTemplate,
HumanMessagePromptTemplate,
)
от langchain.llms импортирайте OpenAI
от langchain.chat_models импортирайте ChatOpenAI
След това импортирайте пидантични библиотеки като BaseModel, Field и validator, за да използвате JSON парсер в LangChain:
от langchain.output_parsers импортирайте PydanticOutputParserот pydantic import BaseModel, Field, validator
от въвеждане на списък за импортиране
Стъпка 3: Изграждане на модел
След като получите всички библиотеки за използване на пидантичен анализатор на JSON, просто вземете предварително проектирания тестван модел с метода OpenAI():
име_модел = 'текст-davinci-003'температура = 0,0
модел = OpenAI ( име на модела =име_на_модела, температура =температура )
Стъпка 4: Конфигуриране на Actor BaseModel
Изградете друг модел, за да получите отговори, свързани с актьори, като техните имена и филми, като попитате за филмографията на актьора:
клас актьор ( BaseModel ) :име: str = поле ( описание = „Име на главния актьор“ )
film_names: Списък [ ул ] = Поле ( описание = 'Филми, в които актьорът играе главна роля' )
актьор_заявка = „Искам да видя филмографията на всеки актьор“
анализатор = PydanticOutputParser ( пидантичен_обект = Актьор )
подкана = PromptTemplate (
шаблон = „Отговорете на подканата от потребителя. \н {format_instructions} \н {query} \н ' ,
входни_променливи = [ 'запитване' ] ,
частични_променливи = { 'инструкции_форматиране' : parser.get_format_instructions ( ) } ,
)
Стъпка 5: Тестване на базовия модел
Просто получете изхода, като използвате функцията parse() с изходната променлива, съдържаща резултатите, генерирани за подканата:
_input = prompt.format_prompt ( заявка =актьор_заявка )изход = модел ( _input.to_string ( ) )
парсер.парс ( изход )
Актьорът на име „ Том Ханкс ” със списъка с неговите филми е извлечен с помощта на пидантичната функция от модела:
Това е всичко за използването на пидантичния анализатор на JSON в LangChain.
Заключение
За да използвате пидантичния анализатор на JSON в LangChain, просто инсталирайте модули LangChain и OpenAI, за да се свържете с техните ресурси и библиотеки. След това импортирайте библиотеки като OpenAI и pydantic, за да изградите базов модел и да проверите данните под формата на JSON. След като изградите базовия модел, изпълнете функцията parse() и тя връща отговорите за подканата. Тази публикация демонстрира процеса на използване на пидантичен анализатор на JSON в LangChain.