LangChain اوپن اے آئی ماحول کا استعمال کرتے ہوئے ڈیٹا سیٹ یا انٹرنیٹ سے معلومات حاصل کرنے کے لیے چیٹ ماڈلز اور LLMs بنانے کا فریم ورک ہے۔ ساختی آؤٹ پٹ پارسر کا استعمال متعدد فیلڈز یا جوابات جیسے اصل جواب اور کچھ اضافی متعلقہ معلومات حاصل کرنے کے لیے کیا جاتا ہے۔ آؤٹ پٹ پارسر لائبریریوں کو LLMs یا چیٹ ماڈل کے طور پر بنائے گئے ماڈلز کا استعمال کرتے ہوئے ڈیٹا نکالنے کے لیے LangChain کے ساتھ استعمال کیا جا سکتا ہے۔
اس پوسٹ نے LangChain میں سٹرکچرڈ آؤٹ پٹ پارسر کو استعمال کرنے کے عمل کو ظاہر کیا۔
LangChain میں سٹرکچرڈ آؤٹ پٹ پارسر کا استعمال کیسے کریں؟
LangChain میں سٹرکچرڈ آؤٹ پٹ پارسر استعمال کرنے کے لیے، بس ان مراحل سے گزریں:
مرحلہ 1: شرطیں انسٹال کریں۔
LangChain فریم ورک کو انسٹال کرکے عمل شروع کریں اگر یہ آپ کے ازگر کے ماحول میں پہلے سے انسٹال نہیں ہے:
pip انسٹال کریں langchain
LangChain میں پارسر بنانے کے لیے اس کے طریقوں تک رسائی کے لیے OpenAI فریم ورک کو انسٹال کریں:
pip انسٹال کریں اوپنائی
اس کے بعد، صرف اوپن اے آئی ماحول سے اس کی API کلید کا استعمال کرتے ہوئے اس کے ماحول تک رسائی حاصل کرنے کے لیے جڑیں۔ تم 'لائبریری اور API کلید فراہم کریں' کا استعمال کرتے ہوئے گیٹ پاس ' کتب خانہ:
ہمیں درآمد کریںگیٹ پاس درآمد کریں۔
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API کلید:' )
مرحلہ 2: آؤٹ پٹ/رسپانس کے لیے سکیما بنائیں
اوپن اے آئی سے کنکشن حاصل کرنے کے بعد، آؤٹ پٹ پیدا کرنے کے لیے اسکیما بنانے کے لیے لائبریریوں کو درآمد کریں:
langchain.output_parsers سے StructuredOutputParser، ResponseSchema درآمد کریںlangchain.prompts سے PromptTemplate، ChatPromptTemplate، HumanMessagePromptTemplate درآمد کریں
langchain.llms سے OpenAI درآمد کریں۔
langchain.chat_models سے ChatOpenAI درآمد کریں۔
ضرورت کے مطابق جواب کے لیے اسکیما کی وضاحت کریں تاکہ ماڈل کو اس کے مطابق جواب پیدا کرنا چاہیے:
ردعمل_سکیماس = [رسپانس سکیما ( نام = 'جواب' , تفصیل = 'سوال کا جواب' ) ,
رسپانس سکیما ( نام = 'ذریعہ' , تفصیل = 'ویب سائٹ کا ذریعہ جو جواب حاصل کرنے کے لیے استعمال کیا جاتا ہے' )
]
output_parser = StructuredOutputParser.from_response_schemas ( رسپانس_سکیماس )
مرحلہ 3: ٹیمپلیٹ فارمیٹ کریں۔
آؤٹ پٹ کے لیے اسکیما کو ترتیب دینے کے بعد، صرف قدرتی زبان میں ان پٹ کے لیے ٹیمپلیٹ سیٹ کریں تاکہ ماڈل اس کے لیے جواب لانے سے پہلے سوالات کو سمجھ سکے:
format_instructions = output_parser.get_format_instructions ( )prompt = PromptTemplate (
سانچے = 'صارف کے سوال کا جواب دیں۔ \n {سانچے} \n {استفسار}' ,
input_variables = [ 'استفسار' ] ,
جزوی_متغیر = { 'سانچے' : فارمیٹ_ہدایات }
)
طریقہ 1: زبان کا ماڈل استعمال کرنا
سوالات اور جوابات کے لیے فارمیٹ ٹیمپلیٹس کو ترتیب دینے کے بعد، صرف OpenAI() فنکشن کا استعمال کرتے ہوئے ماڈل بنائیں:
ماڈل = اوپن اے آئی ( درجہ حرارت = 0 )
پرامپٹ سیٹ کریں ' استفسار متغیر اور اسے پاس کریں۔ format_prompt() ان پٹ کے طور پر کام کریں اور پھر جواب کو 'میں محفوظ کریں آؤٹ پٹ متغیر:
_input = prompt.format_prompt ( استفسار = 'دنیا میں کتنے براعظم ہیں' )آؤٹ پٹ = ماڈل ( _input.to_string ( ) )
کو کال کریں۔ تجزیہ () ماڈل سے جواب حاصل کرنے کے لیے آؤٹ پٹ متغیر کے ساتھ اس کی دلیل کے طور پر فنکشن:
output_parser.parse ( آؤٹ پٹ )
آؤٹ پٹ پارسر کو سوال کا جواب ملتا ہے اور ویب سائٹ کے صفحہ کے لنک کے ساتھ ایک تفصیلی جواب دکھاتا ہے جو جواب حاصل کرنے کے لیے استعمال ہوتا ہے:
طریقہ 2: چیٹ ماڈل کا استعمال
LangChain میں آؤٹ پٹ پارسر سے نتائج حاصل کرنے کے لیے، استعمال کریں۔ چیٹ_ماڈل ذیل میں متغیر:
chat_model = چیٹ اوپن اے آئی ( درجہ حرارت = 0 )
پرامپٹ کو سمجھنے کے لیے، چیٹ ماڈل کے لیے پرامپٹ ٹیمپلیٹ کو ترتیب دیں۔ پھر، ان پٹ کے مطابق جواب پیدا کریں:
prompt = ChatPromptTemplate (پیغامات = [
HumanMessagePromptTemplate.from_template ( 'صارف کے سوال کا جواب دیں۔ \n {format_instructions} \n {استفسار}' )
] ,
input_variables = [ 'استفسار' ] ,
جزوی_متغیر = { 'فارمیٹ_ہدایات' : فارمیٹ_ہدایات }
)
اس کے بعد، صرف ان پٹ فراہم کریں ' استفسار متغیر اور پھر اسے پاس کریں۔ chat_model() ماڈل سے آؤٹ پٹ حاصل کرنے کے لیے فنکشن:
_input = prompt.format_prompt ( استفسار = 'USA کا مطلب ہے' )آؤٹ پٹ = چیٹ_ ماڈل ( _input.to_messages ( ) )
چیٹ ماڈل سے جواب حاصل کرنے کے لیے، output_parser کا استعمال کریں جو نتیجہ کو ' آؤٹ پٹ متغیر:
output_parser.parse ( output.content )
چیٹ ماڈل نے سوال کا جواب اور ویب سائٹ کا نام ظاہر کیا جو انٹرنیٹ سے جواب حاصل کرنے کے لیے استعمال کیا جاتا ہے:
یہ سب LangChain میں ایک سٹرکچرڈ آؤٹ پٹ پارسر استعمال کرنے کے بارے میں ہے۔
نتیجہ
LangChain میں سٹرکچرڈ آؤٹ پٹ پارسر استعمال کرنے کے لیے، صرف LangChain اور OpenAI ماڈیولز کو انسٹال کریں تاکہ عمل شروع کریں۔ اس کے بعد، اس کی API کلید کا استعمال کرتے ہوئے OpenAI ماحول سے جڑیں اور پھر ماڈل کے لیے پرامپٹ اور رسپانس ٹیمپلیٹس کو ترتیب دیں۔ آؤٹ پٹ پارسر کو زبان کے ماڈل یا چیٹ ماڈل کے ساتھ استعمال کیا جا سکتا ہے۔ یہ گائیڈ دونوں طریقوں کے ساتھ آؤٹ پٹ پارسر کے استعمال کی وضاحت کرتا ہے۔