Promptify

Eingabeaufforderung

Schnelltechnik, Lösen von NLP -Problemen mit LLMs und generieren Sie einfach unterschiedliche NLP -Aufgabenaufforderungen für beliebte generative Modelle wie GPT, Palm und mehr mit promptify

Installation

Mit Pip

Dieses Repository wird auf Python 3.7+, OpenAI 0.25+, getestet.

Sie sollten die Eingabeaufforderung über den PIP -Befehl installieren

pip3 install promptify

oder

pip3 install git+https://github.com/promptslab/Promptify.git

Schnelle Tour

Um sofort ein LLM -Modell für Ihre NLP -Aufgabe zu verwenden, stellen wir die Pipeline -API an.

 from promptify import Prompter , OpenAI , Pipeline

sentence     =  """The patient is a 93-year-old female with a medical  				 
                history of chronic right hip pain, osteoporosis,					
                hypertension, depression, and chronic atrial						
                fibrillation admitted for evaluation and management				
                of severe nausea and vomiting and urinary tract				
                infection"""

model        = OpenAI ( api_key ) # or `HubModel()` for Huggingface-based inference or 'Azure' etc
prompter     = Prompter ( 'ner.jinja' ) # select a template or provide custom template
pipe         = Pipeline ( prompter , model )


result = pipe . fit ( sentence , domain = "medical" , labels = None )


### Output

[
    { "E" : "93-year-old" , "T" : "Age" },
    { "E" : "chronic right hip pain" , "T" : "Medical Condition" },
    { "E" : "osteoporosis" , "T" : "Medical Condition" },
    { "E" : "hypertension" , "T" : "Medical Condition" },
    { "E" : "depression" , "T" : "Medical Condition" },
    { "E" : "chronic atrial fibrillation" , "T" : "Medical Condition" },
    { "E" : "severe nausea and vomiting" , "T" : "Symptom" },
    { "E" : "urinary tract infection" , "T" : "Medical Condition" },
    { "Branch" : "Internal Medicine" , "Group" : "Geriatrics" },
]
 

GPT-3-Beispiel mit NER, Multilabel, Fragengenerierungsaufgabe

Merkmale ?

• Führen Sie NLP -Aufgaben (wie NER und Klassifizierung) in nur 2 Codezeilen aus, ohne dass Trainingsdaten erforderlich sind
• Fügen Sie leicht einen Schuss, zwei Schuss oder einige Schussbeispiele zur Eingabeaufforderung hinzu
• Umgang mit der Vorhersage außerhalb der Bounds von LLMs (GPT, T5 usw.)
• Ausgabe, das immer als Python -Objekt (z. B. Liste, Wörterbuch) zur einfachen Parsen und Filterung bereitgestellt wird. Dies ist ein großer Vorteil gegenüber LLMs generierten Outputs, deren unstrukturierte und rohen Output es schwierig macht, in Unternehmen oder anderen Anwendungen zu verwenden.
• Benutzerdefinierte Beispiele und Proben können einfach zur Eingabeaufforderung hinzugefügt werden
• ? Führen Sie Inferenz auf jedem Modell aus, das auf dem Huggingface -Hub gespeichert ist (siehe Notebook -Handbuch).
• Optimierte Eingabeaufforderungen zur Reduzierung von OpenAI -Tokenkosten (bald in Kürze)

Unterstützung von breiten NLP-Aufgaben mit sofortiger Basis:

Aufgabenname	Colab Notebook	Status
Genannte Entitätserkennung	NER-Beispiele mit GPT-3	✅
Multi-Label-Textklassifizierung	Klassifizierungsbeispiele mit GPT-3	✅
Textklassifizierung mit mehreren Klassen	Klassifizierungsbeispiele mit GPT-3	✅
Binäre Textklassifizierung	Klassifizierungsbeispiele mit GPT-3	✅
Fragen	QA-Aufgaben Beispiele mit GPT-3	✅
Frage-Antwort-Generation	QA-Aufgaben Beispiele mit GPT-3	✅
Beziehung-Extraktion	Beispiele für Beziehung-Extraktion mit GPT-3	✅
Zusammenfassung	Beispiele für Summarisierungsaufgaben mit GPT-3	✅
Erläuterung	Beispiele für Erklärungen mit GPT-3	✅
SQL -Schriftsteller	SQL Writer Beispiel mit GPT-3	✅
Tabellarische Daten
Bilddaten
Weitere Eingabeaufforderungen

Dokumente

Fordern Dokumente ein

Gemeinschaft

Wenn Sie sich für prompt-Engineering, LLMs, ChatGPT und andere neueste Research-Diskussionen interessieren, sollten Sie sich an die Eingabeaufforderung anschließen

@misc{Promptify2022,
  title = {Promptify: Structured Output from LLMs},
  author = {Pal, Ankit},
  year = {2022},
  howpublished = {url{https://github.com/promptslab/Promptify}},
  note = {Prompt-Engineering components for NLP tasks in Python}
}

? Beitragen

Wir begrüßen alle Beiträge zu unserem Open -Source -Projekt, einschließlich neuer Funktionen, Verbesserungen der Infrastruktur und umfassendere Dokumentation. Bitte beachten Sie die beitragenden Richtlinien