Zacznij terazZacznij za darmo

Sekwencyjne łańcuchy z LCEL

Szablony promptów masz już gotowe – czas połączyć wszystko w całość: łańcuchy, LCEL i model językowy. Zmienna llm jest już zdefiniowana i korzysta z modelu gpt-4o-mini od OpenAI.

Wywołując łańcuch w ostatnim kroku, możesz wpisać dowolną aktywność. Jeśli nie masz pomysłu, spróbuj podać "play the harmonica".

To ćwiczenie jest częścią kursu

Tworzenie aplikacji LLM z LangChain

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz sekwencyjny łańcuch w LCEL, który przekazuje learning_prompt do llm, a następnie kieruje wynik do time_prompt, skąd trafia ponownie do llm.
  • Pierwsza część powinna tworzyć słownik z kluczem "learning_plan", którego wartością jest pierwszy łańcuch.
  • Wywołaj łańcuch metodą .invoke(), podając wybraną przez siebie aktywność!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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.____({"____": "____"}))
Edytuj i uruchom kod