مصنوعی ذہانت بڑی تیزی سے بڑھتی ہوئی ٹیکنالوجیز میں سے ایک ہے جو مشین لرننگ الگورتھم کا استعمال کرتے ہوئے بھاری ڈیٹا کا استعمال کرتے ہوئے ماڈلز کی تربیت اور جانچ کرتی ہے۔ ڈیٹا کو مختلف فارمیٹس میں ذخیرہ کیا جا سکتا ہے لیکن LangChain کا استعمال کرتے ہوئے بڑی زبان کے ماڈلز بنانے کے لیے، سب سے زیادہ استعمال ہونے والی قسم JSON ہے۔ تربیت اور جانچ کے اعداد و شمار کو بغیر کسی ابہام کے واضح اور مکمل ہونے کی ضرورت ہے تاکہ ماڈل مؤثر طریقے سے کارکردگی کا مظاہرہ کر سکے۔
یہ گائیڈ LangChain میں pydantic JSON پارسر استعمال کرنے کے عمل کو ظاہر کرے گا۔
LangChain میں Pydantic (JSON) Parser کا استعمال کیسے کریں؟
JSON ڈیٹا میں ڈیٹا کا متنی فارمیٹ ہوتا ہے جسے ویب سکریپنگ اور بہت سے دوسرے ذرائع جیسے لاگز وغیرہ کے ذریعے جمع کیا جا سکتا ہے۔ ڈیٹا کی درستگی کی توثیق کرنے کے لیے، LangChain اس عمل کو آسان بنانے کے لیے Python کی pydantic لائبریری کا استعمال کرتا ہے۔ LangChain میں pydantic JSON پارسر استعمال کرنے کے لیے، بس اس گائیڈ کے ذریعے جائیں:
مرحلہ 1: ماڈیولز انسٹال کریں۔
اس عمل کے ساتھ شروع کرنے کے لیے، صرف LangChain ماڈیول کو انسٹال کریں تاکہ اس کی لائبریریوں کو LangChain میں پارسر استعمال کرنے کے لیے استعمال کیا جا سکے۔
pip انسٹال کریں langchain
اب، استعمال کریں ' پائپ انسٹال کریں اوپن اے آئی فریم ورک حاصل کرنے اور اس کے وسائل استعمال کرنے کے لیے کمانڈ:
pip انسٹال کریں اوپنائی
ماڈیولز کو انسٹال کرنے کے بعد، صرف 'کا استعمال کرتے ہوئے اس کی API کلید فراہم کرکے OpenAI ماحول سے جڑیں۔ تم 'اور' گیٹ پاس لائبریریاں:
ہمیں درآمد کریںگیٹ پاس درآمد کریں۔
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API کلید:' )
مرحلہ 2: لائبریریاں درآمد کریں۔
ضروری لائبریریوں کو درآمد کرنے کے لیے LangChain ماڈیول کا استعمال کریں جو پرامپٹ کے لیے ٹیمپلیٹ بنانے کے لیے استعمال کی جا سکتی ہیں۔ پرامپٹ کے لیے ٹیمپلیٹ فطری زبان میں سوالات پوچھنے کا طریقہ بیان کرتا ہے تاکہ ماڈل پرامپٹ کو مؤثر طریقے سے سمجھ سکے۔ نیز، چیٹ بوٹ بنانے کے لیے LLMs کا استعمال کرتے ہوئے زنجیریں بنانے کے لیے OpenAI اور ChatOpenAI جیسی لائبریریاں درآمد کریں:
langchain.prompts درآمد سے (پرامپٹ ٹیمپلیٹ،
ChatPromptTemplate،
HumanMessagePromptTemplate،
)
langchain.llms سے OpenAI درآمد کریں۔
langchain.chat_models سے ChatOpenAI درآمد کریں۔
اس کے بعد، LangChain میں JSON پارسر استعمال کرنے کے لیے پائڈینٹک لائبریریاں جیسے BaseModel، Field، اور validator درآمد کریں:
langchain.output_parsers سے PydanticOutputParser درآمد کریں۔pydantic درآمد سے BaseModel, Field, validator
درآمد کی فہرست ٹائپ کرنے سے
مرحلہ 3: ایک ماڈل بنانا
pydantic JSON پارسر استعمال کرنے کے لیے تمام لائبریریاں حاصل کرنے کے بعد، صرف OpenAI() طریقہ کے ساتھ پہلے سے ڈیزائن شدہ ٹیسٹ شدہ ماڈل حاصل کریں:
ماڈل_نام = 'text-davinci-003'درجہ حرارت = 0.0
ماڈل = اوپن اے آئی ( ماڈل_نام =ماڈل_نام، درجہ حرارت =درجہ حرارت )
مرحلہ 4: اداکار بیس ماڈل کو ترتیب دیں۔
اداکاروں کے ناموں اور فلموں سے متعلق جوابات حاصل کرنے کے لیے ایک اور ماڈل بنائیں۔
کلاس اداکار ( بیس ماڈل ) :نام: str = فیلڈ ( تفصیل = 'لیڈ ایکٹر کا نام' )
فلم کے نام: فہرست [ str ] = میدان ( تفصیل = 'وہ فلمیں جن میں اداکار لیڈ تھا' )
اداکار_استفسار = 'میں کسی بھی اداکار کی فلم گرافی دیکھنا چاہتا ہوں'
parser = PydanticOutputParser ( pydantic_object = اداکار )
prompt = PromptTemplate (
سانچے = 'صارف کی طرف سے پرامپٹ کا جواب دیں۔ \n {format_instructions} \n {استفسار} \n ' ،
input_variables = [ 'استفسار' ] ،
جزوی_متغیر = { 'فارمیٹ_ہدایات' : parser.get_format_instructions ( ) } ،
)
مرحلہ 5: بیس ماڈل کی جانچ کرنا
صرف parse() فنکشن کا استعمال کرتے ہوئے آؤٹ پٹ متغیر کے ساتھ آؤٹ پٹ حاصل کریں جس میں پرامپٹ کے لیے پیدا ہونے والے نتائج ہیں:
_input = prompt.format_prompt ( استفسار =اداکار_استفسار )آؤٹ پٹ = ماڈل ( _input.to_string ( ) )
parser.parse ( آؤٹ پٹ )
اداکار کا نام ' ٹام ہینکس ماڈل سے pydantic فنکشن کا استعمال کرتے ہوئے ان کی فلموں کی فہرست حاصل کی گئی ہے۔
یہ سب LangChain میں pydantic JSON پارسر استعمال کرنے کے بارے میں ہے۔
نتیجہ
LangChain میں pydantic JSON parser کو استعمال کرنے کے لیے، بس LangChain اور OpenAI ماڈیولز کو ان کے وسائل اور لائبریریوں سے مربوط کرنے کے لیے انسٹال کریں۔ اس کے بعد، بیس ماڈل بنانے کے لیے OpenAI اور pydantic جیسی لائبریریاں درآمد کریں اور JSON کی شکل میں ڈیٹا کی تصدیق کریں۔ بیس ماڈل بنانے کے بعد، parse() فنکشن کو انجام دیں، اور یہ پرامپٹ کے جوابات واپس کرتا ہے۔ اس پوسٹ نے LangChain میں pydantic JSON پارسر استعمال کرنے کے عمل کا مظاہرہ کیا۔