Promptify： 用于 LLM 提示管理的 Python 库
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
Promptify这个Python库拥有提示器、LLM集成和管道，只需几行代码就能完成数小时的提示调整工作。
在本文中，云朵君将与大家分享Promptify为何能让处理NLP的人如沐春风，并通过代码示例进行简单解释。
你有一大段文字，比如一份医学报告或一个故事片段，你需要提取关键细节、对主题进行分类或提出其他一般类问题。通常情况下，你需要花费大量时间为GPT或PaLM等LLM精心设计近乎完美的提示。
Promptify改变了这一切。
它是一个Python库，将prompter（用于制作提示）、LLM（如OpenAI的模型）和pipeline配对起来，以简化NLP任务。
今天列举的几个案例，Promptify都能让人感觉毫不费力–不是因为你在作弊，而是因为这是一种智能编码。
我为什么喜欢它？
答案很简单：预置模板（或自定义模板）意味着你不需要成为prompt向导。
灵活：可处理命名实体识别（NER）、分类或问题生成等任务。
与你现有的系统一起工作：支持Python3. 7以上版本、OpenAI0. 25以上版本和多个LLM。
接下来云朵君和大家一起看一些示例，以便去深入理解其中奥妙。
安装Promptify非常简单。如在Python3. 8设置上运行了它：
想要最新版本？从GitHub获取：
安装完成后，就可以开始大展拳脚了。你需要一个LLM的API密钥（我用的是OpenAI的），稍后再详述。
当我第一次试用Promptify时，我持怀疑态度–它真的能简化我在NLP方面的困难吗？我用三个任务对它进行了测试：从医疗记录中提取实体、对健康状况进行分类以及从故事中生成问题。结果如下。
假设你在某家医疗保健单位工作，你需要解析一份杂乱无章的病历：
翻译成中文：患者是一位93岁的女性，有慢性右髋关节疼痛、骨质疏松症、高血压、抑郁症和慢性心房颤动病史，因严重恶心、呕吐和尿路感染入院接受评估和治疗。
此时需要提取年龄、病情和症状。以下是Promptify如何做到这一点的：
结果
这个结果着实不错。没一会儿的功夫，我们就得到了一个清晰的实体列表，而且还能将病例归类到内科和老年病科。这必能为你节省了单位数据库手动标记的时间。
接下来，我们对同一记录中的病症进行标记，并按医学领域进行分组。以下是推荐使用的代码：
输出
这是整理数据的救星。每种情况都有一个清晰的标签，更广泛的Health和Clinicalmedicine标签帮助团队对记录进行分类以便分析。老实说，当我看到输出结果如此清晰时，我非常震惊。
为了更进一步探索该库的潜在能力，我尝试用Promptify来完成一项创意任务。给它输入了《爱丽丝漫游奇境记》中的一句话：
翻译成中文：兔子洞像隧道一样直走了一段路，然后突然向下倾斜，如此突然，以至于爱丽丝在发现自己掉进一口很深的井里之前，根本来不及考虑如何阻止自己。
假设我们需要为读书俱乐部的测验出题。下面是推荐出的题目：
输出
如果你在一个读书俱乐部中使用了这些问题，我想极有可能会引发了一场精彩的讨论！我们使用Promptify便能毫不费力地将一句话变成了一个小测验。
这么多年来，云朵君写过很多年关于科技工具的文章。而Promptify吸引我的原因是，它就像一个智能助手，能处理无聊的事情。以下是它值得你使用的原因：
节省脑力：几行代码就能取代数小时的提示工程。
适应你：使用内置模板，或针对特定任务调整自己的模板。
用途广泛：医疗数据？创意写作？它都能帮你搞定。
与LLM完美契合：在OpenAI、HuggingFace或其他系统之间切换自由。
准备好试用Promptify了吗？以下是我整理速成指南，看到这里，能否点个赞呢？🥰
使用pip3installpromptify安装。
获取一个API密钥（OpenAI是一个很好的开始）。
挑选一个模板，如ner. jinja或自己编写。
使用Pipeline或Prompter处理文本。
随心所欲地处理输出–它非常灵活。
长按👇关注-数据STUDIO-设为星标，干货速递
