Генерация синонимов
Обновлено 8 августа 2024
Пример промпта для генерации синонимов. Промпт содержит инструкцию по количеству синонимов и формату ответа, а также примеры синонимов.
Структура промпта
- GigaChat API
- GigaChain
{
"model": "GigaChat",
"messages": [
{
"role": "system",
"content": "Сгенерируй от 5 до 10 синонимов для слова \"кошка\". Примеры синонимов: \"кот\", \"котенок\". Результат верни в формате JSON-списка без каких-либо пояснений, например, [\"синоним1\", \"синоним2\", \"синоним3\", \"синоним4\"]. Не повторяй фразы из примера и не дублируй фразы."
},
],
}
input_variables: [dataset_size_min, dataset_size_max, subject, examples]
output_parser: null
template: 'Сгенерируй от {dataset_size_min} до {dataset_size_max} синонимов для слова "{subject}". Примеры фраз: {examples}. Результат верни в формате JSON-списка без каких-либо пояснений, например, ["синоним1", "синоним2", "синоним3", "синоним4"]. Не повторяй фразы из примера и не дублируй фразы.'
template_format: f-string
_type: prompt
Пример запроса
- GigaChat API
- GigaChain
curl --location 'https://gigachat.devices.sberbank.ru/api/v1/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: <токен_доступа>' \
--data '{
"model": "GigaChat",
"temperature": 0.87,
"top_p": 0.47,
"n": 1,
"max_tokens": 512,
"repetition_penalty": 1.07,
"stream": false,
"update_interval": 0,
"messages": [
{
"role": "system",
"content": "Сгенерируй от 5 до 10 синонимов для слова \"кошка\". Примеры синонимов: \"кот\", \"котенок\". Результат верни в формате JSON-списка без каких-либо пояснений, например, [\"синоним1\", \"синоним2\", \"синоним3\", \"синоним4\"]. Не повторяй фразы из примера и не дублируй фразы."
},
]
}'
from langchain.prompts import load_prompt
from langchain.chains import LLMChain
from langchain.chat_models.gigachat import GigaChat
giga = GigaChat(credentials="<авторизационные_данные>")
synonyms_with_examples = load_prompt('lc://prompts/synonyms/synonyms_generation_with_examples.yaml')
text = synonyms_with_examples.format(dataset_size_min=5,
dataset_size_max=10,
subject="кошка",
examples='["кот", "котенок"]')