प्रॉम्प्ट टेम्पलेट्स

LangChain के साथ LLM एप्लिकेशन विकसित करना

Jonathan Bennion

AI Engineer & LangChain Contributor

प्रॉम्प्ट टेम्पलेट्स

LLMs के लिए प्रॉम्प्ट बनाने की रेसिपीज़
इसमें हो सकते हैं: निर्देश, उदाहरण, और अतिरिक्त संदर्भ

इनपुट वैरिएबल्स के प्लेसहोल्डर्स वाला एक प्रॉम्प्ट टेम्पलेट.

प्रॉम्प्ट टेम्पलेट्स

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}))

Prompting LLMs (Large Language Models) का मतलब है मॉडल को कोई खास इनपुट या सवाल देना ताकि वह जवाब जनरेट करे.

LangChain Expression Language (LCEL): | (पाइप) ऑपरेटर
चेन: अलग-अलग कंपोनेंट कॉल्स को जोड़ें

चैट मॉडल्स

चैट रोल्स: 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 का एकीकरण

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

अभ्यास करते हैं!

LangChain के साथ LLM एप्लिकेशन विकसित करना