langchain.model_laboratory — 🦜🔗 LangChain 0.2.0

"""尝试不同的模型。"""

from __future__ import annotations

from typing import List, Optional, Sequence

from langchain_core.language_models.llms import BaseLLM
from langchain_core.prompts.prompt import PromptTemplate
from langchain_core.utils.input import get_color_mapping, print_text

from langchain.chains.base import Chain
from langchain.chains.llm import LLMChain


[docs]class ModelLaboratory:
    """尝试不同的模型。"""

[docs]    def __init__(self, chains: Sequence[Chain], names: Optional[List[str]] = None):
        """初始化链以进行实验。

参数：
    chains：要进行实验的链列表。
"""
        for chain in chains:
            if not isinstance(chain, Chain):
                raise ValueError(
                    "ModelLaboratory should now be initialized with Chains. "
                    "If you want to initialize with LLMs, use the `from_llms` method "
                    "instead (`ModelLaboratory.from_llms(...)`)"
                )
            if len(chain.input_keys) != 1:
                raise ValueError(
                    "Currently only support chains with one input variable, "
                    f"got {chain.input_keys}"
                )
            if len(chain.output_keys) != 1:
                raise ValueError(
                    "Currently only support chains with one output variable, "
                    f"got {chain.output_keys}"
                )
        if names is not None:
            if len(names) != len(chains):
                raise ValueError("Length of chains does not match length of names.")
        self.chains = chains
        chain_range = [str(i) for i in range(len(self.chains))]
        self.chain_colors = get_color_mapping(chain_range)
        self.names = names

[docs]    @classmethod
    def from_llms(
        cls, llms: List[BaseLLM], prompt: Optional[PromptTemplate] = None
    ) -> ModelLaboratory:
        """使用LLMs进行实验的初始化和可选提示。

参数：
    llms：要进行实验的LLMs列表
    prompt：要用于提示LLMs的可选提示。默认为None。
        如果提供了提示，则应该只有一个输入变量。
"""
        if prompt is None:
            prompt = PromptTemplate(input_variables=["_input"], template="{_input}")
        chains = [LLMChain(llm=llm, prompt=prompt) for llm in llms]
        names = [str(llm) for llm in llms]
        return cls(chains, names=names)

[docs]    def compare(self, text: str) -> None:
        """比较模型在输入文本上的输出。

如果在启动实验室时提供了提示，则该文本将被输入到提示中。如果没有提供提示，则输入文本就是整个提示。

参数：
    text：要在所有模型上运行的输入文本。
"""
        print(f"\033[1mInput:\033[0m\n{text}\n")  # noqa: T201
        for i, chain in enumerate(self.chains):
            if self.names is not None:
                name = self.names[i]
            else:
                name = str(chain)
            print_text(name, end="\n")
            output = chain.run(text)
            print_text(output, color=self.chain_colors[str(i)], end="\n\n")
Source code for langchain.model_laboratory
