Как использовать парсер структурированного вывода в LangChain?

LangChain — это платформа для создания моделей чата и LLM для получения информации из набора данных или Интернета с использованием среды OpenAI. Анализатор структурированного вывода используется для получения нескольких полей или ответов, таких как фактический ответ, а также некоторой дополнительной связанной информации. Библиотеки синтаксического анализатора вывода можно использовать с LangChain для извлечения данных с использованием моделей, созданных в виде LLM или моделей чата.

В этом посте продемонстрирован процесс использования парсера структурированного вывода в LangChain.

Как использовать парсер структурированного вывода в LangChain?

Чтобы использовать парсер структурированного вывода в LangChain, просто выполните следующие действия:

Шаг 1. Установите необходимые компоненты

Начните процесс с установки платформы LangChain, если она еще не установлена ​​в вашей среде Python:

Установите фреймворк OpenAI, чтобы получить доступ к его методам для создания парсера в LangChain:

После этого просто подключитесь к среде OpenAI, используя ее ключ API, чтобы получить доступ к ее среде, используя « ты » и предоставить ключ API, используя « получить пропуск » библиотека:

Шаг 2. Постройте схему вывода/ответа

После подключения к OpenAI просто импортируйте библиотеки, чтобы построить схему для генерации выходных данных:

Укажите схему ответа в соответствии с требованием, чтобы модель генерировала ответ соответствующим образом:

Шаг 3. Форматирование шаблона

После настройки схемы вывода просто установите шаблон для ввода на естественном языке, чтобы модель могла понимать вопросы, прежде чем получать на них ответ:

Способ 1: использование языковой модели

После настройки шаблонов формата вопросов и ответов просто постройте модель с помощью функции OpenAI():

Установите подсказку в поле « запрос » переменную и передать ее в format_prompt() функционировать в качестве входных данных, а затем сохранить ответ в « выход ' переменная:

Позвоните в анализ() функция с выходной переменной в качестве аргумента, чтобы получить ответ от модели:

Выходной парсер получает ответ на запрос и отображает подробный ответ со ссылкой на страницу веб-сайта, с которой получен ответ:

Способ 2: использование модели чата

Чтобы получить результаты от парсера вывода в LangChain, используйте чат_модель переменная ниже:

Чтобы понять приглашение, настройте шаблон приглашения для модели чата. Затем сгенерируйте ответ в соответствии с входными данными:

После этого просто введите данные в поле « запрос » переменную, а затем передать ее в чат_модель() функция для получения выходных данных модели:

Чтобы получить ответ от модели чата, используйте output_parser, который хранит результат из « выход ' переменная:

Модель чата отображала ответ на запрос и имя веб-сайта, который используется для получения ответа из Интернета:

Это все, что касается использования парсера структурированного вывода в LangChain.

Заключение

Чтобы использовать парсер структурированного вывода в LangChain, просто установите модули LangChain и OpenAI, чтобы начать процесс. После этого подключитесь к среде OpenAI, используя ее ключ API, а затем настройте шаблоны приглашений и ответов для модели. Выходной анализатор можно использовать как с языковой моделью, так и с моделью чата. В этом руководстве объясняется использование синтаксического анализатора вывода обоими методами.