LangChain 32 输出解析器Output parsers

LangChain系列文章

1. LangChain 实现给动物取名字，
2. LangChain 2模块化prompt template并用streamlit生成网站 实现给动物取名字
3. LangChain 3使用Agent访问Wikipedia和llm-math计算狗的平均年龄
4. LangChain 4用向量数据库Faiss存储，读取YouTube的视频文本搜索Indexes for information retrieve
5. LangChain 5易速鲜花内部问答系统
6. LangChain 6根据图片生成推广文案HuggingFace中的image-caption模型
7. LangChain 7 文本模型TextLangChain和聊天模型ChatLangChain
8. LangChain 8 模型Model I/O：输入提示、调用模型、解析输出
9. LangChain 9 模型Model I/O 聊天提示词ChatPromptTemplate, 少量样本提示词FewShotPrompt
10. LangChain 10思维链Chain of Thought一步一步的思考 think step by step
11. LangChain 11实现思维树Implementing the Tree of Thoughts in LangChain’s Chain
12. LangChain 12调用模型HuggingFace中的Llama2和Google Flan t5
13. LangChain 13输出解析Output Parsers 自动修复解析器
14. LangChain 14 SequencialChain链接不同的组件
15. LangChain 15根据问题自动路由Router Chain确定用户的意图
16. LangChain 16 通过Memory记住历史对话的内容
17. LangChain 17 LangSmith调试、测试、评估和监视基于任何LLM框架构建的链和智能代理
18. LangChain 18 LangSmith监控评估Agent并创建对应的数据库
19. LangChain 19 Agents Reason+Action自定义agent处理OpenAI的计算缺陷
20. LangChain 20 Agents调用google搜索API搜索市场价格 Reason Action：在语言模型中协同推理和行动
21. LangChain 21 Agents自问自答与搜索 Self-ask with search
22. LangChain 22 LangServe用于一键部署LangChain应用程序
23. LangChain 23 Agents中的Tools用于增强和扩展智能代理agent的功能
24. LangChain 24 对本地文档的搜索RAG检索增强生成Retrieval-augmented generation
25. LangChain 25: SQL Agent通过自然语言查询数据库sqlite
26. LangChain 26: 回调函数callbacks打印prompt verbose调用
27. LangChain 27 AI Agents角色扮演多轮对话解决问题CAMEL
28. LangChain 28 BabyAGI编写旧金山的天气预报
29. LangChain 29 调试Debugging 详细信息verbose
30. LangChain 30 ChatGPT LLM将字符串作为输入并返回字符串Chat Model将消息列表作为输入并返回消息
31. LangChain 31 模块复用Prompt templates 提示词模板

1. 输出解析器Output parsers

OutputParsers将语言模型的原始输出转换为可以在下游使用的格式。OutputParsers有几种主要类型，包括：

• 将LLM中的文本转换为结构化信息（例如JSON）
• 将ChatMessage转换为字符串
• 将调用返回的额外信息（例如OpenAI函数调用）转换为字符串。

有关详细信息，请参阅输出解析器部分。

在这个入门指南中，我们将编写自己的输出解析器 - 将逗号分隔的列表转换为列表。

from langchain.schema import BaseOutputParser

class CommaSeparatedListOutputParser(BaseOutputParser):
    """Parse the output of an LLM call to a comma-separated list."""


    def parse(self, text: str):
        """Parse the output of an LLM call."""
        return text.strip().split(", ")

CommaSeparatedListOutputParser().parse("hi, bye")
# >> ['hi', 'bye']

完整的例子

from langchain.llms import OpenAI
from langchain.chat_models import ChatOpenAI
from langchain.schema import BaseOutputParser

from dotenv import load_dotenv  
load_dotenv()  

llm = OpenAI(model_name="gpt-3.5-turbo", temperature=0)
chat_model = ChatOpenAI(model_name="gpt-3.5-turbo", temperature=0)

from langchain.schema import HumanMessage

text = "制造彩色袜子的公司取什么好名字呢？"
messages = [HumanMessage(content=text)]

response = llm.invoke(text)
print("string >>", response)
# >> Feetful of Fun

response =  chat_model.invoke(messages)
print("message >>", response)

class NextLineSeparatedListOutputParser(BaseOutputParser):
    """Parse the output of an LLM call to a comma-separated list."""


    def parse(self, text: str):
        """Parse the output of an LLM call."""
        return text.strip().split("\n")

result = NextLineSeparatedListOutputParser().parse(response.content)
print('next line result >> ', result)

输出结果

[zgpeace@zgpeaces-MacBook-Pro langchain-llm-app (develop ?)]$ python Basic/chat_msg_parse.py       

string >> 1. 彩虹袜子公司
2. 绚丽袜子制造厂
3. 艳丽袜业有限公司
4. 缤纷袜子制造商
5. 魅力袜业集团
6. 彩绘袜子制造厂
7. 七彩袜子有限公司
8. 色彩世界袜业
9. 炫彩袜子制造商
10. 色彩缤纷袜业公司

message >> content='1. 彩虹袜子公司\n2. 绚丽袜子制造厂\n3. 艳丽袜业有限公司\n4. 缤纷袜子制造商\n5. 魅力袜业集团\n6. 彩绘袜子制造厂\n7. 时尚彩袜有限公司\n8. 色彩世界袜业\n9. 炫彩袜子制造商\n10. 梦幻袜子公司'

next line result >>  ['1. 彩虹袜子公司', '2. 绚丽袜子制造厂', '3. 艳丽袜业有限公司', '4. 缤纷袜子制造商', '5. 魅力袜业集团', '6. 彩绘袜子制造厂', '7. 时尚彩袜有限公司', '8. 色彩世界袜业', '9. 炫彩袜子制造商', '10. 梦幻袜子公司']

代码

https://github.com/zgpeace/pets-name-langchain/tree/develop

参考

https://python.langchain.com/docs/get_started/quickstart