示例选择器
用于选择要包含在提示中的示例的逻辑。
pydantic 模型 langchain.prompts.example_selector. 根据长度选择示例。
Validators
calculate_example_text_lengths » example_text_lengths
field : langchain.prompts.prompt.PromptTemplate [Required]
field : List[dict] [Required]
field : Callable[[str], int] = <function _get_length_based>
field : int = 2048
(example: Dict[str, str]) → None
向示例列表中添加新示例。
(input_variables: Dict[str, str]) → List[dict]
根据输入长度选择要使用的示例。
pydantic model langchain.prompts.example_selector.
基于最大边际相关性选择示例的示例选择器。
这篇论文证明了它在性能上的改进：https://arxiv.org/pdf/2211.13892.pdf
field : int = 20
重新排序时要获取的示例数量。
classmethod (examples: List[dict], embeddings: langchain.embeddings.base.Embeddings, vectorstore_cls: Type[langchain.vectorstores.base.VectorStore], k: int = 4, input_keys: Optional[List[str]] = None, fetch_k: int = 20, **vectorstore_cls_kwargs: Any) → langchain.prompts.example_selector.semantic_similarity.MaxMarginalRelevanceExampleSelector
使用示例列表和嵌入创建k-shot示例选择器。
根据查询相似性动态重新排列示例。
参数
examples – 要在提示中使用的示例列表。
embeddings – 初始化的嵌入API接口，例如 OpenAIEmbeddings()。
vectorstore_cls – 向量存储数据库接口类，例如 FAISS。
k – 要选择的示例数量。
input_keys – 如果提供，搜索将基于输入变量而不是所有变量。
vectorstore_cls_kwargs – 包含向量存储的URL的可选关键字参数。
Returns 返回通过向量存储支持的实例化的示例选择器。
(input_variables: Dict[str, str]) → List[dict]
根据语义相似性选择要使用的示例。
pydantic 模型 langchain.prompts.example_selector.
基于语义相似性选择示例的示例选择器。
field : Optional[List[str]] = None
field : Optional[List[str]] = None
field : int = 4
field : langchain.vectorstores.base.VectorStore [Required]
(example: Dict[str, str]) → str
(example: Dict[str, str]) → str
将新示例添加到向量存储中。
classmethod (examples: List[dict], embeddings: langchain.embeddings.base.Embeddings, vectorstore_cls: Type[langchain.vectorstores.base.VectorStore], k: int = 4, input_keys: Optional[List[str]] = None, **vectorstore_cls_kwargs: Any) → langchain.prompts.example_selector.semantic_similarity.SemanticSimilarityExampleSelector
使用示例列表和嵌入创建k-shot示例选择器。
根据查询相似性动态重新排序示例。
Parameters
examples – 要在提示中使用的示例列表。
embeddings – 初始化的嵌入API接口，例如OpenAIEmbeddings()。
vectorstore_cls – 向量存储数据库接口类，例如FAISS。
k – 要选择的示例数。
input_keys – 如果提供，搜索将基于输入变量而不是所有变量。
vectorstore_cls_kwargs – 包含向量存储的URL的可选kwargs。
Returns
通过向量存储支持的实例化的示例选择器。
(input_variables: Dict[str, str]) → List[dict]
根据语义相似性选择要使用的示例。