인공 지능은 기계 학습 알고리즘을 사용하여 거대한 데이터를 사용하여 모델을 훈련하고 테스트하는 가장 빠르게 성장하는 기술 중 하나입니다. 데이터는 다양한 형식으로 저장될 수 있지만 LangChain을 사용하여 대규모 언어 모델을 만들기 위해 가장 많이 사용되는 유형은 JSON입니다. 훈련 및 테스트 데이터는 모호함 없이 명확하고 완전해야 모델이 효과적으로 수행될 수 있습니다.
이 가이드는 LangChain에서 pydantic JSON 파서를 사용하는 과정을 보여줍니다.
LangChain에서 Pydantic(JSON) 파서를 사용하는 방법은 무엇입니까?
JSON 데이터에는 웹 스크래핑 및 로그 등과 같은 기타 여러 소스를 통해 수집할 수 있는 텍스트 형식의 데이터가 포함되어 있습니다. 데이터의 정확성을 검증하기 위해 LangChain은 Python의 pydantic 라이브러리를 사용하여 프로세스를 단순화합니다. LangChain에서 pydantic JSON 파서를 사용하려면 다음 가이드를 따르세요.
1단계: 모듈 설치
프로세스를 시작하려면 LangChain 모듈을 설치하여 LangChain에서 파서를 사용하기 위한 라이브러리를 사용하세요.
씨 설치하다 랭체인
이제 “ 핍 설치 ” 명령을 사용하여 OpenAI 프레임워크를 가져오고 해당 리소스를 사용합니다.
씨 설치하다 개방하다
모듈을 설치한 후 '를 사용하여 API 키를 제공하여 OpenAI 환경에 연결하기만 하면 됩니다. 너 ' 그리고 ' getpass ' 라이브러리:
우리를 수입하다가져오기 겟패스
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API 키:' )
2단계: 라이브러리 가져오기
LangChain 모듈을 사용하여 프롬프트에 대한 템플릿을 생성하는 데 사용할 수 있는 필수 라이브러리를 가져옵니다. 프롬프트 템플릿은 모델이 프롬프트를 효과적으로 이해할 수 있도록 자연어로 질문하는 방법을 설명합니다. 또한 OpenAI 및 ChatOpenAI와 같은 라이브러리를 가져와 챗봇 구축을 위해 LLM을 사용하여 체인을 생성합니다.
langchain.prompts 가져오기에서 (프롬프트템플릿,
채팅프롬프트템플릿,
HumanMessagePromptTemplate,
)
langchain.llms에서 OpenAI 가져오기
langchain.chat_models에서 ChatOpenAI 가져오기
그런 다음 LangChain에서 JSON 파서를 사용하려면 BaseModel, Field 및 유효성 검사기와 같은 Pydantic 라이브러리를 가져옵니다.
langchain.output_parsers에서 PydanticOutputParser 가져오기pydantic import BaseModel, Field, 유효성 검사기에서
import List 입력에서
3단계: 모델 구축
pydantic JSON 파서를 사용하기 위한 모든 라이브러리를 얻은 후 OpenAI() 메서드를 사용하여 미리 설계된 테스트 모델을 얻으면 됩니다.
모델_이름 = '텍스트-다빈치-003'온도 = 0.0
모델=오픈AI ( 모델명 =모델_이름, 온도 =온도 )
4단계: Actor BaseModel 구성
배우의 필모그래피를 질문하여 이름, 영화 등 배우와 관련된 답변을 얻을 수 있는 또 다른 모델을 구축하세요.
클래스 배우 ( 기본 모델 ) :이름: str = 필드 ( 설명 = '주연배우 이름' )
film_names: 목록 [ str ] = 필드 ( 설명 = '배우가 주연을 맡은 영화' )
배우_쿼리 = '어떤 배우의 필모그래피도 보고 싶어요'
파서 = PydanticOutputParser ( pydantic_object =배우 )
프롬프트 = 프롬프트 템플릿 (
주형 = '사용자의 메시지에 응답합니다. \N {format_instructions} \N {질문} \N ' ,
입력_변수 = [ '질문' ] ,
부분_변수 = { 'format_instructions' : 파서.get_format_instructions ( ) } ,
)
5단계: 기본 모델 테스트
프롬프트에 대해 생성된 결과가 포함된 출력 변수와 함께 구문 분석() 함수를 사용하여 출력을 얻으면 됩니다.
_input = 프롬프트.형식_프롬프트 ( 질문 =actor_query )출력 = 모델 ( _input.to_string ( ) )
파서.파싱 ( 산출 )
'라는 배우. 톰 행크스 ” 모델의 pydantic 함수를 사용하여 그의 영화 목록을 가져왔습니다.
이것이 바로 LangChain의 pydantic JSON 파서를 사용하는 것입니다.
결론
LangChain에서 pydantic JSON 파서를 사용하려면 LangChain 및 OpenAI 모듈을 설치하여 해당 리소스 및 라이브러리에 연결하기만 하면 됩니다. 그런 다음 OpenAI, pydantic 등의 라이브러리를 가져와서 기본 모델을 구축하고 JSON 형식으로 데이터를 검증합니다. 기본 모델을 구축한 후 구문 분석() 함수를 실행하면 프롬프트에 대한 답변이 반환됩니다. 이 게시물은 LangChain에서 pydantic JSON 파서를 사용하는 과정을 보여주었습니다.