Promptify

Provoquer

Ingénierie rapide, résoudre des problèmes de PNL avec LLM et générer facilement différentes invites de tâches NLP pour des modèles génératifs populaires comme GPT, Palm, et plus encore avec Invitive

Installation

Avec pip

Ce référentiel est testé sur Python 3.7+, OpenAI 0.25+.

Vous devez installer invitey à l'aide de la commande pip

pip3 install promptify

ou

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

Tournée rapide

Pour utiliser immédiatement un modèle LLM pour votre tâche NLP, nous fournissons l'API Pipeline .

 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" },
]
 

Exemple GPT-3 avec NER, multilabel, tâche de génération de questions

Caractéristiques ?

• Effectuer des tâches NLP (comme NER et Classification) dans seulement 2 lignes de code, sans données de formation requises
• Ajoutez facilement un coup, deux tirs ou quelques exemples de tir à l'invite
• Gestion des prédictions hors limites de LLMS (GPT, T5, etc.)
• La sortie est toujours fournie comme un objet Python (par exemple la liste, dictionnaire) pour l'analyse et le filtrage faciles. Il s'agit d'un avantage majeur par rapport à la sortie générée par LLMS, dont la sortie non structurée et brute rend difficile à utiliser dans les affaires ou d'autres applications.
• Des exemples et des échantillons personnalisés peuvent être facilement ajoutés à l'invite
• ? Exécutez l'inférence sur n'importe quel modèle stocké sur le hub HuggingFace (voir Guide des cahiers).
• Invites optimisées pour réduire les coûts de jetons OpenAi (à venir bientôt)

Prise en charge de la large gamme de tâches NLP basées sur des tâches:

Nom de tâche	Cahier de colab	Statut
Reconnaissance d'entité nommée	Exemples NER avec GPT-3	✅
Classification de texte multi-étiquettes	Exemples de classification avec GPT-3	✅
Classification de texte multi-classes	Exemples de classification avec GPT-3	✅
Classification de texte binaire	Exemples de classification avec GPT-3	✅
Intervenant	Exemples de tâches QA avec GPT-3	✅
Génération de questions-réponses	Exemples de tâches QA avec GPT-3	✅
EXTRACTION DE RELATION	Exemples d'extraction de relation avec GPT-3	✅
Récapitulation	Exemples de tâches de résumé avec GPT-3	✅
Explication	Explication Exemples de tâches avec GPT-3	✅
Écrivain SQL	Exemple d'écrivain SQL avec GPT-3	✅
Données tabulaires
Données d'image
Plus d'invites

Docs

Inviter les documents

Communauté

Si vous êtes intéressé par l'ingénierie rapide, les LLM, le chatppt et d'autres dernières discussions de recherche, veuillez envisager de rejoindre InvitsLab

@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}
}

? Contributif

Nous accueillons toute contribution à notre projet open source, y compris de nouvelles fonctionnalités, des améliorations à l'infrastructure et une documentation plus complète. Veuillez consulter les directives contributives