【实施案例】标签化 🦜️🔗 Tagging
输入“/”快速插入内容
【实施案例】标签化 🦜️🔗 Tagging
【实施案例】标签化 🦜️🔗 Tagging
用户811用户8112024年4月10日创建
1496
2360
🌿
场景⑥：【LLM用例】标签化 🦜️🔗 Tagging 好情绪？坏情绪？无所谓！
落地：【实施案例】标签化 🦜️🔗 Tagging
快速入门
咱们来举个例子，用 LLM 工具在 LangChain 里做标签化，很简单的那种。我们用 LLM 模型支持的 with_structured_output 方法：
代码块
%pip install --upgrade --quiet langchain langchain-groq
# # 本示例采用 Groq chat model （mixtral-8x7b-32768），
# # 请自行去它的官网（https://console.groq.com/keys）申请 API KEY。
# # OpenAI 相关模型其实很易用，研发生态相对也成熟，但我的 OpenAI 订阅到期了，所以不用。
# Set env var GROQ_API_KEYor load from a .env file:
# import dotenv
# dotenv.load_dotenv()
我们先定义一个 Pydantic 模型，里面有几个属性和它们应该有的类型：
代码块
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_groq import ChatGroq
tagging_prompt = ChatPromptTemplate.from_template(
"""
从以下文本中提取所需信息。
只提取'Classification'函数中提到的属性。
文本：
{input}
"""
)
class Classification(BaseModel):
sentiment: str = Field(description="文本的‘情感’")
aggressiveness: int = Field(
description="文本的“情感程度”，按1到10的刻度来衡量。"
)
language: str = Field(description="文本所使用的语言是：")
# LLM
llm = ChatGroq(temperature=0, model="mixtral-8x7b-32768").with_structured_output(
Classification
)
tagging_chain = tagging_prompt | llm
我们用一句西班牙语的句子试一试效果：