langchain 入门指南（十六）- JSON 形式输出大模型的响应

拥抱AGI

已于 2024-08-22 22:11:14 修改

阅读量723

点赞数 16

文章标签： langchain json 数据库大数据人工智能学习职场和发展

于 2024-07-31 16:35:41 首次发布

本文链接：https://blog.csdn.net/2401_85375151/article/details/140826380

版权

在一些入门例子中，我们会发现，我们可以告诉 LLM 如何输出，然后输出的结果真的是我们想要的，比如下面这个例子：

在这里插入图片描述

在实际使用中，content 可能是一个很长的文本。

输出：

在这里插入图片描述
正如某些例子上经常写的 “You are a helpful assistant”，其实从某种程度上来说，我们确实可以把 LLM 看作是我们的一名得力助手。这名助手是可以理解我们说的话并作出回应的。

因此，我们就可以告诉 LLM，我们希望输出的格式是 JSON，然后我们可以在 JSON 中定义我们希望输出的字段。

langchain 中的 JSON 输出

在上面这个例子中，其实是等于我们给了 LLM 一个指令，告诉它我们希望输出的格式是 JSON，然后我们定义了 JSON 的格式。既然很多时候我们都想要给我们的 LLM 一个指令，那为何不把这些逻辑固定下来呢？

为了解决这个问题，langchain 的 PromptTemplate 为我们提供了指定输出的指令的通用解决方案。

在这里插入图片描述
输出：

在这里插入图片描述
说明：

1.ResponseSchema 用于定义输出的字段，name 为字段名，description 为字段描述。这些信息是给 LLM 看的。LLM 会根据这些信息来输出我们想要的结果。

2.partial_variables 用于传递部分变量给模板，剩下的变量会在调用 LLM 的时候再传递。
在上面这个例子中，我们实际传递给 LLM 的模板是：

在这里插入图片描述
这个模板告诉 LLM，我们希望输出的格式是 JSON，然后我们定义了 JSON 的格式。

总结

在 langchain 中，我们可以通过 ResponseSchema 来定义我们希望输出的字段，然后生成一个 prompt，传递给 LLM，让 LLM 知道我们希望输出的格式是什么。

那么，如何系统的去学习大模型LLM？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

所有资料 ⚡️ ，朋友们如果有需要全套《LLM大模型入门+进阶学习资源包》，扫码获取~
在这里插入图片描述

篇幅有限，部分资料如下：

👉LLM大模型学习指南+路线汇总👈

💥大模型入门要点，扫盲必看！
在这里插入图片描述
💥既然要系统的学习大模型，那么学习路线是必不可少的，这份路线能帮助你快速梳理知识，形成自己的体系。

👉大模型入门实战训练👈

💥光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
在这里插入图片描述

👉国内企业大模型落地应用案例👈

💥《中国大模型落地应用案例集》 收录了52个优秀的大模型落地应用案例，这些案例覆盖了金融、医疗、教育、交通、制造等众多领域，无论是对于大模型技术的研究者，还是对于希望了解大模型技术在实际业务中如何应用的业内人士，都具有很高的参考价值。 （文末领取）
在这里插入图片描述
💥《2024大模型行业应用十大典范案例集》 汇集了文化、医药、IT、钢铁、航空、企业服务等行业在大模型应用领域的典范案例。