Esta guía ilustrará el proceso de uso del selector de ejemplo de selección por relevancia marginal máxima en LangChain.
¿Cómo utilizar la selección por relevancia marginal máxima (MMR) en LangChain?
El selector de ejemplo de Relevancia marginal máxima se utiliza para extraer información utilizando la similitud del coseno del mensaje y el ejemplo. La similitud del coseno se calcula después de aplicar los métodos de incrustación a los datos y convertir el texto a formato numérico.
Para conocer el proceso de uso del selector de ejemplo de MMR en LangChain, simplemente siga los pasos enumerados:
Paso 1: instalar módulos
Inicie el proceso instalando las dependencias de LangChain usando el comando pip:
pip instalar cadena larga
Instale el módulo OpenAI para usar su entorno para aplicar el método OpenAIEmbedding():
instalación de pip en openai
Instale el marco FAISS que se puede utilizar para obtener el resultado mediante similitud semántica:
pip instala faiss-gpu 
Ahora, instale el tokenizador tiktoken para dividir el texto en fragmentos más pequeños usando el siguiente código:
instalar pip tiktoken 
Paso 2: uso de bibliotecas y ejemplos
El siguiente paso es importar bibliotecas para crear un selector de ejemplo de MMR, FAISS, OpenAIEmbeddings y PromptTemplate. Después de importar las bibliotecas, simplemente cree un conjunto de ejemplo que proporcione entradas y salidas para sus respectivas entradas en múltiples matrices:
de cadena larga. indicaciones . selector_ejemplo importar (MaxMarginalRelevanceExampleSelector ,
SemánticaSimilitudEjemploSelector ,
)
de cadena larga. vectorestiendas importar FAISS
de cadena larga. incrustaciones importar Incrustaciones de OpenAI
de cadena larga. indicaciones importar Plantilla de solicitud de FewShot , Plantilla de aviso
mensaje_ejemplo = Plantilla de aviso (
variables_entrada = [ 'aporte' , 'producción' ] ,
plantilla = 'Entrada: {entrada} \norte Salida: {salida}' ,
)
ejemplos = [
{ 'aporte' : 'feliz' , 'producción' : 'triste' } ,
{ 'aporte' : 'alto' , 'producción' : 'corto' } ,
{ 'aporte' : 'energético' , 'producción' : 'letárgico' } ,
{ 'aporte' : 'soleado' , 'producción' : 'sombrío' } ,
{ 'aporte' : 'ventoso' , 'producción' : 'calma' } ,
]
Paso 3: Selector de ejemplo de construcción
Ahora, comience a crear el selector de ejemplo de MMR utilizando el método MaxMarginalRelevanceExampleSelector() que contiene diferentes parámetros:
selector_ejemplo = MaxMarginalRelevanceExampleSelector. de_ejemplos (ejemplos ,
Incrustaciones de OpenAI ( ) ,
FAISS ,
k = 2 ,
)
mmr_prompt = Plantilla de solicitud de FewShot (
selector_ejemplo = selector_ejemplo ,
mensaje_ejemplo = mensaje_ejemplo ,
prefijo = 'Da el antónimo de cada entrada' ,
sufijo = 'Entrada: {adjetivo} \norte Producción:' ,
variables_entrada = [ 'adjetivo' ] ,
)
Paso 4: Probar el selector de ejemplo de MMR
Pruebe el selector de ejemplo MMR de relevancia marginal máxima llamándolo en el método print() con la entrada:
imprimir ( mmr_prompt. formato ( adjetivo = 'preocupado' ) ) 
Paso 5: uso de similitud semántica
Este paso usa el método SemanticSimilarityExampleSelector() y luego usa el método FewShotPromptTemplate() que es compatible con LangChain:
selector_ejemplo = Selector de ejemplos de similitud semántica. de_ejemplos (ejemplos ,
Incrustaciones de OpenAI ( ) ,
FAISS ,
k = 2 ,
)
aviso_similar = Plantilla de solicitud de FewShot (
selector_ejemplo = selector_ejemplo ,
mensaje_ejemplo = mensaje_ejemplo ,
prefijo = 'Da el antónimo de cada entrada' ,
sufijo = 'Entrada: {adjetivo} \norte Producción:' ,
variables_entrada = [ 'adjetivo' ] ,
)
imprimir ( aviso_similar. formato ( adjetivo = 'preocupado' ) )
Se trata de utilizar la selección por máxima relevancia marginal o MMR en LangChain.
Conclusión
Para utilizar la selección por relevancia marginal máxima o el selector de ejemplo MMR en LangChain, instale los módulos necesarios. Después de eso, importe las bibliotecas para crear el conjunto de ejemplo utilizando la plantilla de mensajes de entrada y salida. Cree el selector de ejemplo de MMR para probarlo usando el selector de ejemplo de MMR y el método FewShotPromptTemplate() para obtener resultados relevantes. Esta guía ha ilustrado el proceso de uso del selector de ejemplo de selección por MMR en LangChain.