এই পোস্টটি LangChain ফ্রেমওয়ার্কের মাধ্যমে আউটপুট পার্সার ফাংশন এবং ক্লাসগুলি ব্যবহার করার পদ্ধতি ব্যাখ্যা করে।
LangChain এর মাধ্যমে আউটপুট পার্সার কিভাবে ব্যবহার করবেন?
আউটপুট পার্সার হল আউটপুট এবং ক্লাস যা মডেল থেকে কাঠামোগত আউটপুট পেতে সাহায্য করতে পারে। LangChain-এ আউটপুট পার্সার ব্যবহার করার প্রক্রিয়া শিখতে, কেবল তালিকাভুক্ত পদক্ষেপগুলি অনুসরণ করুন:
ধাপ 1: মডিউল ইনস্টল করুন
প্রথমত, প্রক্রিয়াটির মধ্য দিয়ে যাওয়ার জন্য ল্যাংচেইন মডিউলটি তার নির্ভরতা সহ ইনস্টল করে আউটপুট পার্সার ব্যবহার করার প্রক্রিয়া শুরু করুন:
পিপ ইনস্টল ল্যাংচেইন
এর পরে, OpenAI এবং ChatOpenAI এর মতো লাইব্রেরিগুলি ব্যবহার করতে OpenAI মডিউলটি ইনস্টল করুন:
পিপ ইনস্টল openai
এখন, সেট আপ OpenAI এর জন্য পরিবেশ OpenAI অ্যাকাউন্ট থেকে API কী ব্যবহার করে:
আমাদের আমদানি করুন
গেটপাস আমদানি করুন
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'ওপেনএআই এপিআই কী:' )
ধাপ 2: লাইব্রেরি আমদানি করুন
পরবর্তী ধাপ হল ফ্রেমওয়ার্কের আউটপুট পার্সারগুলি ব্যবহার করার জন্য LangChain থেকে লাইব্রেরিগুলি আমদানি করা:
langchain.prompts থেকে HumanMessagePromptTemplate আমদানি করুন
পাইডানটিক আমদানি ক্ষেত্র থেকে
langchain.prompts থেকে ChatPromptTemplate আমদানি করুন
langchain.output_parsers থেকে PydanticOutputParser আমদানি করুন
পাইডান্টিক আমদানি বেসমডেল থেকে
পাইডানটিক আমদানি যাচাইকারী থেকে
langchain.chat_models থেকে ChatOpenAI আমদানি করুন
langchain.llms আমদানি OpenAI থেকে
আমদানি তালিকা টাইপ থেকে
ধাপ 3: ডেটা স্ট্রাকচার তৈরি করা
আউটপুটের কাঠামো তৈরি করা হল বড় ভাষার মডেলগুলিতে আউটপুট পার্সারের অত্যাবশ্যক প্রয়োগ। মডেলের ডেটা স্ট্রাকচারে যাওয়ার আগে, আউটপুট পার্সার থেকে স্ট্রাকচার্ড আউটপুট পেতে আমরা যে মডেলটি ব্যবহার করছি তার নামটি সংজ্ঞায়িত করতে হবে:
তাপমাত্রা = 0.0
মডেল = OpenAI ( ণশড =মডেল_নাম, তাপমাত্রা =তাপমাত্রা )
এখন, মডেল থেকে জোক পেতে আউটপুটের গঠন কনফিগার করতে বেসমডেল ধারণকারী জোক ক্লাস ব্যবহার করুন। এর পরে, ব্যবহারকারী pydantic ক্লাসের সাথে সহজেই কাস্টম বৈধতা যুক্তি যোগ করতে পারে যা ব্যবহারকারীকে একটি ভাল-গঠিত প্রশ্ন/প্রম্পট রাখতে বলতে পারে:
ক্লাস জোক ( বেস মডেল ) :সেটআপ: str = ক্ষেত্র ( বর্ণনা = 'একটি রসিকতা প্রদর্শনের জন্য প্রশ্ন' )
punchline: str = ক্ষেত্র ( বর্ণনা = 'কৌতুকের সাথে প্রশ্নের উত্তর দিন' )
# মডেলটিকে সঠিকভাবে বোঝার জন্য প্রশ্নের জন্য যুক্তি যাচাইকরণ
@ যাচাইকারী ( 'সেটআপ' )
def question_ends_with_question_mark ( cls, ক্ষেত্র ) :
যদি ক্ষেত্র [ - 1 ] ! = '?' :
ValueError বাড়ান ( 'খারাপভাবে গঠিত প্রশ্ন!' )
প্রত্যাবর্তন ক্ষেত্র
ধাপ 4: প্রম্পট টেমপ্লেট সেট করা
PydanticOutputParser() পদ্ধতি সহ এর পরামিতি ধারণকারী পার্সার ভেরিয়েবল কনফিগার করুন:
পার্সার কনফিগার করার পরে, শুধুমাত্র প্রম্পট টেম্পলেট() পদ্ধতি ব্যবহার করে ক্যোয়ারী/প্রম্পটের কাঠামোর সাথে প্রম্পট ভেরিয়েবলকে সংজ্ঞায়িত করুন:
prompt = প্রম্পট টেমপ্লেট (টেমপ্লেট = 'ব্যবহারকারীর প্রশ্নের উত্তর দিন। \n {format_instructions} \n {প্রশ্ন} \n ' ,
input_variables = [ 'প্রশ্ন' ] ,
আংশিক_ভেরিয়েবল = { 'বিন্যাস_নির্দেশ' : parser.get_format_instructions ( ) }
)
ধাপ 5: আউটপুট পার্সার পরীক্ষা করুন
সমস্ত প্রয়োজনীয়তা কনফিগার করার পরে, একটি ভেরিয়েবল তৈরি করুন যা একটি ক্যোয়ারী ব্যবহার করে বরাদ্দ করা হয় এবং তারপরে format_prompt() পদ্ধতিতে কল করুন:
_input = prompt.format_prompt ( প্রশ্ন = কৌতুক_কোয়েরি )
এখন, আউটপুট ভেরিয়েবল সংজ্ঞায়িত করতে মডেল() ফাংশনটি কল করুন:
আউটপুট = মডেল ( _input.to_string ( ) )আউটপুট ভেরিয়েবলের প্যারামিটার হিসাবে parser() পদ্ধতিতে কল করে পরীক্ষার প্রক্রিয়াটি সম্পূর্ণ করুন:
parser.parse ( আউটপুট )
এটি ল্যাংচেইনে আউটপুট পার্সার ব্যবহার করার প্রক্রিয়া সম্পর্কে।
উপসংহার
LangChain-এ আউটপুট পার্সার ব্যবহার করতে, মডিউলগুলি ইনস্টল করুন এবং এর API কী ব্যবহার করে OpenAI পরিবেশ সেট আপ করুন। এর পরে, মডেলটি সংজ্ঞায়িত করুন এবং তারপরে ব্যবহারকারীর দ্বারা প্রদত্ত প্রশ্নের যুক্তিগত বৈধতা সহ আউটপুটের ডেটা কাঠামো কনফিগার করুন। একবার ডেটা স্ট্রাকচার কনফিগার হয়ে গেলে, কেবল প্রম্পট টেমপ্লেট সেট করুন এবং তারপর মডেল থেকে ফলাফল পেতে আউটপুট পার্সার পরীক্ষা করুন। এই গাইড LangChain ফ্রেমওয়ার্কে আউটপুট পার্সার ব্যবহার করার প্রক্রিয়াটি চিত্রিত করেছে।