İstem şablonları

LangChain ile LLM Uygulamaları Geliştirme

Jonathan Bennion

AI Engineer & LangChain Contributor

İstem şablonları

LLM istemlerini tanımlamak için tarifler
İçerebilir: yönergeler, örnekler ve ek bağlam

Girdi değişkenleri için yer tutucuları olan bir istem şablonu.

İstem şablonları

from langchain_core.prompts import PromptTemplate


template = "Expain this concept simply and concisely: {concept}"

prompt_template = PromptTemplate.from_template(
    template=template
)


prompt = prompt_template.invoke({"concept": "Prompting LLMs"})
print(prompt)

text='Expain this concept simply and concisely: Prompting LLMs'

llm = HuggingFacePipeline.from_model_id(
    model_id="meta-llama/Llama-3.3-70B-Instruct",
    task="text-generation"
)

llm_chain = prompt_template | llm


concept = "Prompting LLMs"
print(llm_chain.invoke({"concept": concept}))

LLM'lere (Büyük Dil Modelleri) istem vermek, bir modele yanıt üretmesi için
belirli bir girdi veya soru sağlamaktır.

LangChain Expression Language (LCEL): | (pipe) işleci
Zincir: farklı bileşen çağrılarını bağlar

Sohbet modelleri

Sohbet rolleri: system, human, ai

from langchain_core.prompts import ChatPromptTemplate


template = ChatPromptTemplate.from_messages(
    [
        ("system", "You are a calculator that responds with math."),
        ("human", "Answer this math question: What is two plus two?"),
        ("ai", "2+2=4"),
        ("human", "Answer this math question: {math}")
    ]
)

ChatPromptTemplate'i entegre etme

llm = ChatOpenAI(model="gpt-4o-mini", api_key='<OPENAI_API_TOKEN>')


llm_chain = template | llm

math='What is five times five?'


response = llm_chain.invoke({"math": math})
print(response.content)

5x5=25

Hadi pratik yapalım!

LangChain ile LLM Uygulamaları Geliştirme