CommencezCommencez gratuitement

Chaînes séquentielles avec LCEL

Avec vos gabarits de consignes prêts, il est temps de tout relier, y compris le LLM, à l'aide de chaînes et de LCEL. Un llm a déjà été défini pour vous et utilise le modèle gpt-4o-mini d'OpenAI.

Pour l'étape finale d'appel de la chaîne, n'hésitez pas à insérer l'activité de votre choix ! Si vous manquez d'inspiration, essayez d'entrer "play the harmonica".

Cette activité fait partie du cours

Développer des applications LLM avec LangChain

Voir le cours

Instructions de l’exercice

  • Créez une chaîne séquentielle avec LCEL qui transmet learning_prompt au llm, puis réinjecte la sortie dans time_prompt avant de la renvoyer au llm.
  • La première partie doit créer un dictionnaire avec "learning_plan" comme clé et la première chaîne comme valeur.
  • Appelez la chaîne avec la méthode .invoke() en fournissant l'activité de votre choix !

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

learning_prompt = PromptTemplate(
    input_variables=["activity"],
    template="I want to learn how to {activity}. Can you suggest how I can learn this step-by-step?"
)

time_prompt = PromptTemplate(
    input_variables=["learning_plan"],
    template="I only have one week. Can you create a concise plan to help me hit this goal: {learning_plan}."
)

# Complete the sequential chain with LCEL
seq_chain = ({"learning_plan": ____ | ____ | ____}
    | ____
    | ____
    | StrOutputParser())

# Call the chain
print(seq_chain.____({"____": "____"}))
Modifier et exécuter le code