根据相似性选择

该对象根据与输入的相似性选择示例。它通过找到与输入具有最大余弦相似度的嵌入示例来实现这一点。

from langchain.prompts.example_selector import SemanticSimilarityExampleSelector  
from langchain.vectorstores import Chroma  
from langchain.embeddings import OpenAIEmbeddings  
from langchain.prompts import FewShotPromptTemplate, PromptTemplate  

example_prompt = PromptTemplate(  
    input_variables=["input", "output"],  
    template="输入：{input}\n输出：{output}",  
)  

# 这是一个虚构任务的许多示例，用于创建反义词。
examples = [  
    {"input": "快乐", "output": "悲伤"},  
    {"input": "高", "output": "矮"},  
    {"input": "精力充沛", "output": "倦怠"},  
    {"input": "晴朗", "output": "阴暗"},  
    {"input": "有风", "output": "平静"},  
]  

example_selector = SemanticSimilarityExampleSelector.from_examples(  
    # 这是可供选择的示例列表。
    examples,   
    # 这是用于生成嵌入的嵌入类，用于测量语义相似性。
    OpenAIEmbeddings(),   
    # 这是用于存储嵌入并进行相似性搜索的VectorStore类。
    Chroma,   
    # 这是要生成的示例数量。
    k=1  
)  
similar_prompt = FewShotPromptTemplate(  
    # 我们提供了一个ExampleSelector而不是示例。
    example_selector=example_selector,  
    example_prompt=example_prompt,  
    prefix="给出每个输入的反义词",  
    suffix="输入：{adjective}\n输出：",   
    input_variables=["adjective"],  
)  

# 使用直接本地API运行Chroma。
# 使用DuckDB内存数据库。数据将是临时的。

# 输入是一种感觉，所以应该选择快乐/悲伤的示例
print(similar_prompt.format(adjective="担心"))  

# 输入是一种测量，所以应该选择高/矮的示例
print(similar_prompt.format(adjective="胖"))  

# 您还可以将新示例添加到SemanticSimilarityExampleSelector中
similar_prompt.example_selector.add_example({"input": "热情", "output": "冷漠"})
print(similar_prompt.format(adjective="快乐"))  

输出结果：

给出每个输入的反义词

输入：快乐
输出：悲伤

输入：担心
输出：

给出每个输入的反义词

输入：快乐
输出：悲伤

输入：胖
输出：

给出每个输入的反义词

输入：快乐
输出：悲伤

输入：快乐
输出：