标记

将文本分类为标签

标记是指用类别对文档进行标记，例如：

• 情感
• 语言
• 风格（正式、非正式等）
• 涉及主题
• 政治倾向

概述

标记有几个组成部分：

• function: 像 extraction 一样，标记使用 functions 来指定模型应如何标记文档
• schema: 定义我们希望如何标记文档

快速入门

让我们看看一个非常简单的例子，展示如何在 LangChain 中使用 OpenAI 工具调用进行标记。我们将使用 OpenAI 模型支持的 with_structured_output 方法：

%pip install --upgrade --quiet langchain langchain-openai

# 设置环境变量 OPENAI_API_KEY 或从 .env 文件加载：
# import dotenv
# dotenv.load_dotenv()

接下来，我们将指定一个 Pydantic 模型，包含一些属性及其预期类型。

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.pydantic_v1 import BaseModel, Field
from langchain_openai import ChatOpenAI

tagging_prompt = ChatPromptTemplate.from_template(
    """
从以下段落中提取所需的信息。

仅提取“Classification”函数中提到的属性。

段落：
{input}
"""
)


class Classification(BaseModel):
    sentiment: str = Field(description="文本的情感")
    aggressiveness: int = Field(
        description="文本的攻击性，按 1 到 10 的比例"
    )
    language: str = Field(description="文本所写的语言")


# LLM
llm = ChatOpenAI(temperature=0, model="gpt-3.5-turbo-0125").with_structured_output(
    Classification
)

tagging_chain = tagging_prompt | llm

inp = "Estoy increiblemente contento de haberte conocido! Creo que seremos muy buenos amigos!"
tagging_chain.invoke({"input": inp})

Classification(sentiment='positive', aggressiveness=1, language='Spanish')

如果我们想要 JSON 输出，只需调用 .dict()

inp = "Estoy muy enojado con vos! Te voy a dar tu merecido!"
res = tagging_chain.invoke({"input": inp})
res.dict()

{'sentiment': 'negative', 'aggressiveness': 8, 'language': 'Spanish'}

如我们在示例中所见，它正确地解释了我们的需求。

结果会有所不同，例如，我们可能会得到不同语言的情感（如 'positive'、'enojado' 等）。

我们将在下一节中看到如何控制这些结果。

更精细的控制

仔细的模式定义使我们对模型的输出有了更多的控制。

具体来说，我们可以定义：

• 每个属性的可能值
• 描述以确保模型理解该属性
• 需要返回的属性

让我们重新声明我们的 Pydantic 模型，以控制之前提到的每个方面，使用枚举：

class Classification(BaseModel):
    sentiment: str = Field(..., enum=["happy", "neutral", "sad"])
    aggressiveness: int = Field(
        ...,
        description="describes how aggressive the statement is, the higher the number the more aggressive",
        enum=[1, 2, 3, 4, 5],
    )
    language: str = Field(
        ..., enum=["spanish", "english", "french", "german", "italian"]
    )

tagging_prompt = ChatPromptTemplate.from_template(
    """
Extract the desired information from the following passage.

Only extract the properties mentioned in the 'Classification' function.

Passage:
{input}
"""
)

llm = ChatOpenAI(temperature=0, model="gpt-3.5-turbo-0125").with_structured_output(
    Classification
)

chain = tagging_prompt | llm

现在，答案将以我们期望的方式受到限制！

inp = "Estoy increiblemente contento de haberte conocido! Creo que seremos muy buenos amigos!"
chain.invoke({"input": inp})

Classification(sentiment='happy', aggressiveness=1, language='spanish')

inp = "Estoy muy enojado con vos! Te voy a dar tu merecido!"
chain.invoke({"input": inp})

Classification(sentiment='sad', aggressiveness=5, language='spanish')

inp = "Weather is ok here, I can go outside without much more than a coat"
chain.invoke({"input": inp})

Classification(sentiment='neutral', aggressiveness=2, language='english')

LangSmith trace 让我们窥视内部工作：

深入探讨

• 您可以使用 metadata tagger 文档转换器从 LangChain Document 中提取元数据。
• 这涵盖了与标签链相同的基本功能，只是应用于 LangChain Document。