Catene sequenziali

Sviluppare applicazioni LLM con LangChain

Jonathan Bennion

AI Engineer & LangChain Contributor

Una guida di viaggio AI.

Una persona chiede a una guida AI attività da fare a Parigi.

L'AI propone diverse attività da fare a Parigi.

La persona dice alla guida AI che vuole vedere il Louvre e l'Arco di Trionfo.

La guida AI genera un itinerario per le attività scelte.

Questo flusso per un itinerario di viaggio è un esempio di problema sequenziale.

Catene sequenziali

Output → input

destination_prompt = PromptTemplate(
    input_variables=["destination"],
    template="I am planning a trip to {destination}. Can you suggest some activities to do there?"
)

activities_prompt = PromptTemplate(
    input_variables=["activities"],
    template="I only have one day, so can you create an itinerary from your top three activities: {activities}."
)


llm = ChatOpenAI(model="gpt-4o-mini", api_key=openai_api_key)


seq_chain = ({"activities": destination_prompt | llm | StrOutputParser()}

    | activities_prompt
    | llm
    | StrOutputParser())

print(seq_chain.invoke({"destination": "Rome"}))

- Mattina:
1. Inizia presto con una visita al Colosseo. Fai un tour guidato per scoprirne storia e importanza.
2. Dopo il Colosseo, vai al Foro Romano e al Palatino per altre rovine dell'antica Roma.

- Pranzo:
3. Goditi un pranzo italiano vicino al centro storico.

- Pomeriggio:
4. Visita Città del Vaticano: Basilica di San Pietro, Musei Vaticani e Cappella Sistina.
5. Passeggia per le vie di Roma, fermandoti a Pantheon, Fontana di Trevi e Piazza Navona.
- Sera:

6. Rilassati in un parco, come Villa Borghese o il Giardino degli Aranci.
7. Chiudi la giornata con una cena tranquilla e magari un gelato.

Passiamo alla pratica!

Sviluppare applicazioni LLM con LangChain