LangChain es el marco que contiene múltiples dependencias y bibliotecas que se pueden utilizar para crear modelos de lenguaje grandes. Estos modelos se pueden utilizar para interactuar con humanos, pero primero, el modelo debe aprender a captar/comprender la indicación/pregunta formulada por el humano. Para eso, el modelo debe entrenarse en las plantillas de mensajes y luego el usuario hace la pregunta dentro de la plantilla dada.
Esta guía ilustrará el proceso de creación de plantillas de mensajes en LangChain.
¿Cómo crear plantillas de aviso en LangChain?
Para crear plantillas de mensajes en LangChain, simplemente siga la siguiente guía con varios pasos:
Paso 1: instalar módulos y configurar el entorno
Inicie el proceso de creación de plantillas de mensajes en LangChain instalando el marco LangChain:
pip instalar cadena larga
Ahora, instale los módulos OpenAI para acceder a sus bibliotecas y configurar un entorno usándolos:
instalación de pip en openai 
Configurar el Entorno abierto de IA usando la biblioteca del sistema operativo para acceder al sistema operativo y proporcionar la clave API de OpenAI:
importarnosimportar obtener pase
os.environ['OPENAI_API_KEY'] = getpass.getpass('Clave API de OpenAI:')
Paso 2: usar la plantilla de aviso
Después de instalar LangChain, simplemente importe la biblioteca PromptTemplate y cree una plantilla para la consulta sobre un chiste con algunos aspectos adicionales como variables como adjetivo, contenido, etc.:
desde langchain importar PromptTemplatePrompt_template = PromptTemplate.from_template(
'Cuéntame un chiste de {estilo} sobre {tema}'
)
Prompt_template.format(estilo='divertido', tema='pollos')
El mensaje ha sido configurado y entregado al modelo con los valores de la variable insertada en el comando:
El usuario puede personalizar la plantilla de mensaje con una simple consulta pidiendo un chiste:
desde langchain importar PromptTemplatePrompt_template = PromptTemplate.from_template(
'Cuéntame un chiste'
)
símbolo_plantilla.formato()
El método anterior es para una sola consulta y respuesta, pero a veces el usuario quiere interactuar con el modelo en forma de chat y la siguiente sección explica su formato.
Paso 3: usar la plantilla de mensaje de chat
Esta sección explica la plantilla para un modelo de chat que se basa en un patrón conversacional como el de dos humanos interactuando entre sí:
desde langchain.prompts importar ChatPromptTemplateplantilla = ChatPromptTemplate.from_messages([
('sistema', 'Bot de chat AI para ayudar al usuario. Te llamas {nombre}'),
('humano', 'Hola, ¿cómo estás'),
('ai', '¿Cómo estás'),
('humano', '{user_input}'),
])
mensajes = plantilla.formato_mensajes(
nombre='Juan',
user_input='¿Cómo debería llamarte?'
)
Después de configurar la estructura de la plantilla, simplemente escriba algunas líneas en el texto para decirle al modelo lo que se espera de él y use la función llm() para darle un mensaje:
desde langchain.prompts importar ChatPromptTemplatedesde langchain.prompts.chat importar SystemMessage, HumanMessagePromptTemplate
plantilla = ChatPromptTemplate.from_messages(
[
Mensaje del sistema(
contenido=(
'Usted está aquí para ayudar y ayudar al usuario a reescribir el texto del usuario de manera más efectiva'
)
),
HumanMessagePromptTemplate.from_template('{texto}'),
]
)
desde langchain.chat_models importar ChatOpenAI
llm = ChatOpenAI()
llm(template.format_messages(text='no me gusta comer cosas ricas'))
El método SystemMessage() contiene el contenido de la respuesta a la consulta utilizada en el LLM:
Se trata de crear plantillas de mensajes en LangChain.
Conclusión
Para crear una plantilla de solicitud en LangChain, simplemente instale los módulos LangChain y OpenAI para configurar un entorno utilizando la clave API de OpenAI. Después de eso, cree una plantilla de mensaje para un mensaje único, como pedir un chiste o una sola pregunta sobre cualquier tema. Otro método es personalizar una plantilla para un modelo de chat basado en el proceso de interacción entre dos humanos diferentes. Esta publicación ha ilustrado el proceso de creación de una plantilla de aviso en LangChain.