ఈ పోస్ట్ LangChainలో జాబితా పార్సర్ని ఉపయోగించే ప్రక్రియను వివరిస్తుంది.
LangChainలో జాబితా పార్సర్ని ఎలా ఉపయోగించాలి?
కామాలను ఉపయోగించి వేరు చేయబడిన బహుళ వస్తువులను కలిగి ఉన్న జాబితా రూపంలో అవుట్పుట్ను పొందడానికి జాబితా పార్సర్ తరగతులు ఉపయోగించబడతాయి. LangChain మాడ్యూల్ వినియోగాన్ని అనుమతిస్తుంది కామా వేరు చేయబడిన జాబితాఅవుట్పుట్ పార్సర్ నిర్మాణాత్మక జాబితా రూపంలో అవుట్పుట్ను పొందడానికి లైబ్రరీ.
LangChainలో జాబితా పార్సర్ని ఉపయోగించే విధానాన్ని తెలుసుకోవడానికి, జాబితా చేయబడిన దశల ద్వారా వెళ్ళండి:
దశ 1: మాడ్యూల్లను ఇన్స్టాల్ చేయండి
ముందుగా, పైథాన్ నోట్బుక్ లేదా IDEలో పిప్ ఇన్స్టాల్ ఆదేశాన్ని ఉపయోగించి లాంగ్చెయిన్ ఫ్రేమ్వర్క్ను ఇన్స్టాల్ చేయడం ద్వారా ప్రారంభించండి:
పిప్ ఇన్స్టాల్ లాంగ్చైన్
డౌన్లోడ్ చేయడానికి అవసరమైన మరొక మాడ్యూల్ OpenAI మరియు ఇది OpenAI మరియు ChatOpenAI లైబ్రరీలను పొందడానికి ఉపయోగించబడుతుంది:
పిప్ ఇన్స్టాల్ ఓపెనై
అవసరమైన మాడ్యూళ్లను ఇన్స్టాల్ చేసిన తర్వాత, OpenAIని సెటప్ చేయండి దిగుమతి చేసిన తర్వాత పర్యావరణం దాని API కీని ఉపయోగిస్తుంది మీరు 'మరియు' getpass 'లైబ్రరీలు:
మమ్మల్ని దిగుమతి చేసుకోండిగెట్పాస్ని దిగుమతి చేయండి
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API కీ:' )
దశ 2: లైబ్రరీలను దిగుమతి చేయండి
OpenAI వాతావరణాన్ని సెటప్ చేసిన తర్వాత, CommaSeparatedListOutputParser, OpenAI మరియు మరెన్నో జాబితా పార్సర్లను ఉపయోగించడానికి అవసరమైన లైబ్రరీలను దిగుమతి చేయండి:
langchain.prompts నుండి ChatPromptTemplateని దిగుమతి చేయండి
langchain.llms నుండి OpenAIని దిగుమతి చేయండి
langchain.prompts నుండి ప్రాంప్ట్ టెంప్లేట్ను దిగుమతి చేయండి
langchain.chat_models నుండి ChatOpenAIని దిగుమతి చేయండి
langchain.prompts నుండి HumanMessagePromptTemplateని దిగుమతి చేయండి
దశ 3: బిల్డింగ్ లిస్ట్ అవుట్పుట్ పార్సర్
తదుపరి దశ జాబితా అవుట్పుట్ పార్సర్ను రూపొందించడం మరియు జాబితాను రూపొందించడానికి వస్తువుల సంఖ్యను పరిమితం చేయడానికి ప్రాంప్ట్ టెంప్లేట్ను కాన్ఫిగర్ చేయడం:
format_instructions = output_parser.get_format_instructions ( )
prompt = ప్రాంప్ట్ మూస (
టెంప్లేట్ = 'ఐదు {విషయం} జాబితా చేయండి. \n {format_instructions}' ,
ఇన్పుట్_వేరియబుల్స్ = [ 'విషయం' ] ,
పాక్షిక_వేరియబుల్స్ = { 'format_instructions' : format_instructions }
)
దశ 4: టెస్టింగ్ మోడల్
ప్రాంప్ట్ టెంప్లేట్ సెట్ చేయబడిన తర్వాత, 'ని నిర్వచించడానికి OpenAI() పద్ధతిని కాల్ చేయండి మోడల్ ” వేరియబుల్ ఆపై ఇన్పుట్ అందించండి. ఆ తర్వాత, 'ని ఉపయోగించండి అవుట్పుట్ ” ఇన్పుట్ ప్రశ్నను కలిగి ఉన్న వేరియబుల్ మరియు పార్సర్కు కాల్ చేయండి. ఇది ప్రాంప్ట్ టెంప్లేట్ ద్వారా పరిమితం చేయబడిన ప్రశ్న ఆధారంగా జాబితాను సంగ్రహిస్తుంది:
_input = ప్రాంప్ట్.ఫార్మాట్ ( విషయం = 'పానీయాలు' )
output = మోడల్ ( _ఇన్పుట్ )
output_parser.parse ( అవుట్పుట్ )
LangChainలో జాబితా అవుట్పుట్ పార్సర్ని ఉపయోగించే ప్రక్రియ గురించి అంతే.
ముగింపు
LangChainలో జాబితా అవుట్పుట్ పార్సర్ని ఉపయోగించడానికి, OpenAI API కీని ఉపయోగించి దాని వాతావరణాన్ని సెటప్ చేయడానికి అవసరమైన మాడ్యూల్లను ఇన్స్టాల్ చేయండి. ఆ తర్వాత, జాబితా అవుట్పుట్ పార్సర్ను నిర్మించడానికి మరియు ఉపయోగించడానికి అవసరమైన లైబ్రరీలను దిగుమతి చేయండి మరియు ఆపై ప్రాంప్ట్ యొక్క టెంప్లేట్ నిర్మాణంతో మోడల్ను కాన్ఫిగర్ చేయండి. మోడల్ విజయవంతంగా నిర్మించబడిన తర్వాత, వినియోగదారు అందించిన ఇన్పుట్ ఆధారంగా జాబితాను పొందడానికి మోడల్ను పరీక్షించండి. ఈ గైడ్ LangChainలో జాబితా అవుట్పుట్ పార్సర్ని ఉపయోగించే విధానాన్ని వివరించింది.