作者 :“大数据小禅”
文章简介 :本专栏后续将持续更新大模型相关文章,从开发到微调到应用,需要下载好的模型包可私。
欢迎小伙伴们 点赞、收藏、留言
Langchain中的chain模块
- LangChain的chain模块用于将多个模型、工具或步骤链接在一起,以实现复杂的任务自动化。
- 该模块提供了各种链式操作的功能,可以方便地将不同类型的处理步骤组合起来
常见的Chain类
- LLMChain:将语言模型(如GPT-3)与提示模板结合,用于生成和处理自然语言。
- SimpleSequentialChain:按顺序执行一系列步骤,每一步的输出作为下一步的输入。
- SequentialChain:支持更复杂的链式结构,包括条件逻辑和多输入/输出处理
Chain模块完成英文翻译
from langchain.prompts.chat import SystemMessagePromptTemplate, HumanMessagePromptTemplate, ChatPromptTemplate
from langchain.chat_models import ChatOpenAI
import os
from langchain.chains.llm import LLMChain
# 设置OpenAI API密钥
os.environ['OPENAI_API_KEY'] = 'YOUR_API_KEY'
# 初始化ChatOpenAI模型,指定使用的模型名称
openai_model = ChatOpenAI(model_name="gpt-3.5-turbo")
# 定义系统消息的模板
system_template = """ you are a translation expert, please translate English to Chinese """
system_message = SystemMessagePromptTemplate.from_template(system_template)
# 定义用户消息的模板
human_template = "{english_text}"
human_message = HumanMessagePromptTemplate.from_template(human_template)
# 创建聊天模板,包括系统消息和用户消息
chat_template = ChatPromptTemplate(messages=[system_message, human_message])
print(chat_template) # 打印聊天模板
# 格式化消息,将用户输入格式化为聊天模板所需的格式
chat_message = chat_template.format_prompt(english_text="please give me a pleasure work")
# 生成聊天模型可用的消息记录 Messages
chat_prompt = chat_template.format_prompt(english_text="please give me a pleasure work").to_messages()
print(chat_prompt) # 打印格式化后的聊天消息
# 使用OpenAI模型生成翻译结果
translation_res = openai_model(chat_prompt)
print(translation_res.content) # 打印翻译结果
# 创建LLMChain对象,用于链式调用
translation_chain = LLMChain(llm=openai_model, prompt=chat_template)
print(translation_chain) # 打印LLMChain对象信息
# 运行LLMChain,传入一个字典,包含需要翻译的文本
res = translation_chain.run({
'english_text': 'You can use LLMs to do question answering over tabular data.'})
print(res) # 打印翻译结果
- 输出结果
文章评论