【LangChain】Prompts之示例选择器

LangChain学习文档


概要

如果您有大量示例,您可能需要选择要包含在提示中的哪个示例。示例选择器是负责执行此操作的类。

基本接口定义如下:

python 复制代码
class BaseExampleSelector(ABC):
    """用于选择要包含在提示中的示例的界面。"""

    @abstractmethod
    def select_examples(self, input_variables: Dict[str, str]) -> List[dict]:
        """根据输入选择要使用的示例。"""

它需要公开的唯一方法是 select_examples 方法。这需要接受输入变量,然后返回示例列表。如何选择这些示例取决于每个具体的实现。

自定义示例选择器(Custom example selector)

在本教程中,我们将创建一个自定义示例选择器,用于从给定的示例列表中选择每个备用示例。

ExampleSelector 必须实现两个方法:

  1. add_example 方法接受一个示例并将其添加到 ExampleSelector

  2. select_examples 方法,它接受输入变量并返回部分示例列表或全部列表。

让我们实现一个自定义的ExampleSelector,它只随机选择两个示例。

这里查看 LangChain 支持的当前示例选择器实现集。

实现自定义示例选择器(Implement custom example selector)

python 复制代码
from langchain.prompts.example_selector.base import BaseExampleSelector
from typing import Dict, List
import numpy as np


class CustomExampleSelector(BaseExampleSelector):
    
    def __init__(self, examples: List[Dict[str, str]]):
        self.examples = examples
    
    def add_example(self, example: Dict[str, str]) -> None:
        """添加新示例来存储密钥。"""
        self.examples.append(example)

    def select_examples(self, input_variables: Dict[str, str]) -> List[dict]:
        """根据输入选择要使用的示例。随机选择2个"""
        return np.random.choice(self.examples, size=2, replace=False)

参考api:BaseExampleSelector from langchain.prompts.example_selector.base

使用自定义示例选择器(Use custom example selector)

python 复制代码
examples = [
    {"foo": "1"},
    {"foo": "2"},
    {"foo": "3"}
]

# 初始化示例选择器。
example_selector = CustomExampleSelector(examples)


# 选择示例
example_selector.select_examples({"foo": "foo"})
# -> array([{'foo': '2'}, {'foo': '3'}], dtype=object)

# 将新示例添加到示例集中
example_selector.add_example({"foo": "4"})
example_selector.examples
# -> [{'foo': '1'}, {'foo': '2'}, {'foo': '3'}, {'foo': '4'}]

# 选择示例
example_selector.select_examples({"foo": "foo"})
# -> array([{'foo': '1'}, {'foo': '4'}], dtype=object)

总结

本文讲解的是示例选择器。就当我们有多个示例时,可以帮助我们选择哪个示例!

套路,就两个主要步骤:

  1. add_example方法,它接受一个示例并将其添加到该ExampleSelector中。
  2. select_examples方法,它接受输入变量并返回部分示例列表或全部列表。

参考地址:

https://python.langchain.com/docs/modules/model_io/prompts/example_selectors/custom_example_selector

相关推荐
武子康2 天前
调查研究-186 LangChain 和 LangGraph 的区别:从快速构建 Agent 到生产级工作流编排
人工智能·langchain·llm
葫芦和十三4 天前
渐进发现|代码库不是文档库
langchain·agent·ai编程
柒和远方5 天前
LangGraph 深度解析:从增强型 LLM 到生产级 Agent
langchain·llm·agent
在路上走着走着6 天前
Prompt Engineering 入门指南:从原理到上手
人工智能·prompt
沪漂阿龙6 天前
《LangChain》成本、限流、缓存、降级:AI 应用上线要考虑的问题
人工智能·langchain
段一凡-华北理工大学6 天前
LangChain框架在高炉炼铁智能化领域的应用~系列文章09:工具调用Tool — 让AI学会操作高炉仪表盘
网络·人工智能·架构·langchain·高炉炼铁·高炉智能化·高炉智能体
Niuguangshuo6 天前
LangChain 学习之旅(五):Agent 与工具调用实战
学习·langchain
yangshicong6 天前
第16章:AI数据分析与Text-to-SQL
人工智能·python·sql·数据分析·langchain
coft6 天前
Loop Engineering — 从“写 prompt“到“设计循环“,AI Agent 的下一次进化
人工智能·prompt
CoLiuRs6 天前
从 Prompt 到 Loop:AI 工程到底在卷什么
人工智能·prompt