Langage d'expression LangChain (LCEL)

DEV - 24/05
Dans cet article, nous explorerons LangChain Expression Language (LCEL), une nouvelle façon de créer et de se connecter...

Dans cet article, nous explorerons LangChain Expression Language (LCEL), une nouvelle façon de créer et de connecter des composants LangChain qui rend plus facile et plus transparente la construction et la composition de modèles de langage (LLM) et d'autres composants.

LangChain est puissant car il vous permet de combiner différentes parties, telles que des modèles de langage, des invites et des analyseurs de sortie, pour créer des flux de travail personnalisés. Désormais, avec LCEL, nous disposons d’une nouvelle façon de procéder. LCEL est un protocole exécutable qui définit quelques éléments clés qui font son fonctionnement.

Premièrement, LCEL définit les types d’entrées avec lesquels il peut fonctionner. Il dispose également d'un ensemble de méthodes standard que vous pouvez utiliser pour personnaliser vos flux de travail. De plus, vous pouvez modifier les paramètres en temps réel, ce qui vous offre plus de flexibilité. Enfin, LCEL garantit que tous les composants fonctionnent ensemble de manière transparente en utilisant une interface commune. Dans cet article, nous approfondirons le fonctionnement de LCEL et ce que cela signifie pour les utilisateurs de LangChain.

Chaîne simple

Commençons par configurer notre environnement et importer les composants nécessaires :

importer os importer openai depuis dotenv import load_dotenv, find_dotenv _ = load_dotenv(find_dotenv()) # lire le fichier .env local openai.api_key = os.environ['OPENAI_API_KEY'] #!pip install pydantic==1.10.8 à partir de langchain.prompts importer ChatPromptTemplate depuis langchain_openai importer ChatOpenAI depuis langchain.schema importer StrOutputParser
Entrer en mode plein écran Quitter le mode plein écran

Nous allons créer une chaîne simple composée d'un modèle d'invite, d'un modèle de langage et d'un analyseur de sortie. Tout d'abord, créons un modèle d'invite qui demande au modèle de langage de raconter une courte blague sur un sujet spécifique :

prompt = ChatPromptTemplate.from_template( "raconte-moi une petite blague sur {sujet}" ) model = ChatOpenAI() output_parser = StrOutputParser()
Entrer en mode plein écran Quitter le mode plein écran

Maintenant...
[Courte citation de 8% de l'article original]

Loading...