এই পোস্টটি প্রম্পট টেমপ্লেট এবং আউটপুট পার্সার ব্যবহার করে LangChain অ্যাপ্লিকেশন তৈরির প্রক্রিয়াটি ব্যাখ্যা করবে।
প্রম্পট টেমপ্লেট এবং আউটপুট পার্সার ব্যবহার করে কীভাবে ল্যাংচেইন অ্যাপ্লিকেশন তৈরি করবেন?
প্রম্পট টেমপ্লেট এবং আউটপুট পার্সার ব্যবহার করে LangChain অ্যাপ্লিকেশন তৈরি করতে, সহজভাবে এই সহজ নির্দেশিকাটি দেখুন:
ধাপ 1: ল্যাংচেইন ইনস্টল করুন
প্রথমে, ল্যাংচেইন ফ্রেমওয়ার্ক ইনস্টল করে ল্যাংচেইন অ্যাপ্লিকেশন তৈরির প্রক্রিয়া শুরু করুন “ পিপ 'আদেশ:
পিপ ল্যাংচেইন ইনস্টল করুন
ধাপ 2: প্রম্পট টেমপ্লেট ব্যবহার করা
LangChain মডিউল ইনস্টল করার পরে, আমদানি করুন “ প্রম্পট টেমপ্লেট ' লাইব্রেরি একটি প্রম্পট টেমপ্লেট তৈরি করতে মডেলের প্রশ্নটি বোঝার জন্য একটি ক্যোয়ারী প্রদান করে:
langchain.prompts থেকে PromptTemplate আমদানি করুন
prompt = PromptTemplate.from_template('{product} এর জন্য একটি ভাল রঙের সমন্বয় কী?')
prompt.format(product='রঙিন মোজা')
আউটপুট স্বয়ংক্রিয়ভাবে বাক্যটিকে '-এর মানের সাথে সংযুক্ত করে পণ্য পরিবর্তনশীল:
এর পরে, LangChain থেকে HumanMessagePromptTemplate, ChatPromptTemplate, এবং SystemMessagePromptTemplate লাইব্রেরিগুলি আমদানি করে আরেকটি প্রম্পট টেমপ্লেট তৈরি করুন:
langchain.prompts.chat থেকে আমদানি (চ্যাটপ্রম্পট টেমপ্লেট,
SystemMessagePromptTemplate,
HumanMessagePromptTemplate,
)
# LangChain মডেলের জন্য প্রম্পট টেমপ্লেট কনফিগার করুন
টেমপ্লেট = 'আপনি একজন সাহায্যকারী যে {input_language} তে {output_language} অনুবাদ করে'
system_message_prompt = SystemMessagePromptTemplate.from_template(টেমপ্লেট)
human_template = '{text}'
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_messages(input_language='French', output_language='English', text='I like AI')
সমস্ত প্রয়োজনীয় লাইব্রেরি আমদানি করার পরে, টেমপ্লেট ভেরিয়েবল ব্যবহার করে প্রশ্নের জন্য কাস্টম টেমপ্লেট তৈরি করুন:
প্রম্পট টেমপ্লেটগুলি শুধুমাত্র ক্যোয়ারী/প্রশ্নের জন্য টেমপ্লেট সেট করতে ব্যবহৃত হয় এবং এটি প্রশ্নের কোন উত্তর দিয়ে উত্তর দেয় না। যাইহোক, OutputParser() ফাংশন উত্তর বের করতে পারে যেমন নিম্নলিখিত বিভাগটি উদাহরণের সাথে ব্যাখ্যা করে:
ধাপ 3: আউটপুট পার্সার ব্যবহার করা
এখন, LangChain থেকে BaseOutputParser লাইব্রেরি আমদানি করুন কমা দ্বারা পৃথক করা পাঠ্য মানগুলিকে আলাদা করতে এবং আউটপুটে তালিকাটি ফেরত দিন:
langchain.schema আমদানি BaseOutputParser থেকেক্লাস CommaSeparatedListOutputParser(BaseOutputParser):
def পার্স (self, text: str):
text.strip().split(', ') ফেরত দিন
CommaSeparatedListOutputParser().parse('ধন্যবাদ, স্বাগতম')
এটি প্রম্পট টেমপ্লেট এবং আউটপুট পার্সার ব্যবহার করে ল্যাংচেইন অ্যাপ্লিকেশন তৈরি করার বিষয়ে।
উপসংহার
প্রম্পট টেমপ্লেট এবং আউটপুট পার্সার ব্যবহার করে একটি LangChain অ্যাপ্লিকেশন তৈরি করতে, কেবল LangChain ইনস্টল করুন এবং এটি থেকে লাইব্রেরি আমদানি করুন। PromptTemplate লাইব্রেরিটি প্রশ্নের জন্য কাঠামো তৈরি করতে ব্যবহৃত হয় যাতে মডেলটি Parser() ফাংশন ব্যবহার করে তথ্য বের করার আগে প্রশ্নটি বুঝতে পারে। OutputParser() ফাংশনটি পূর্বে কাস্টমাইজ করা প্রশ্নের উপর ভিত্তি করে উত্তর আনতে ব্যবহৃত হয়। এই নির্দেশিকাটি প্রম্পট টেমপ্লেট এবং আউটপুট পার্সার ব্যবহার করে LangChain অ্যাপ্লিকেশন তৈরির প্রক্রিয়া ব্যাখ্যা করেছে।