Construction de composants réutilisables LLM en Python

Aperçu

Learn to design a prompt-driven workflow for LLM apps. Build a Prompt Manager for templates with defaults and a robust LLM Manager that wraps OpenAI API calls.

Through hands-on examples, you'll manage prompts cleanly, inject dynamic context, handle errors, and structure interactions for real-world use.

Programme

• Unité 1 : Conception de notre chercheur approfondi
• Unité 2 : Effectuer des appels LLM de base
Configuration de votre client OpenAI
Changer de personnages avec des invites système
Concevoir des invites utilisateur efficaces
Contrôler l'aléatoire avec les réglages de température
Sélectionner le bon modèle LLM
• Unité 3 : Structure des invites et variables
Chargement de modèles à partir de fichiers
Remplacement de marqueurs avec expressions régulières
Intégration du pipeline de génération d'invites
Création d'un générateur de recettes avec des modèles
• Unité 4 : Création du gestionnaire d'invites
Mise en œuvre de la substitution de variables de modèles
Ajout de la fonctionnalité de journalisation des modèles
Modèles complexes pour des invites dynamiques
Exécution de l'invite
• Unité 5 : Création du gestionnaire LLM
Ajout de la journalisation des invites pour le débogage
Amélioration de la gestion des erreurs d'API
Optimisation de la détection de réponse booléenne
Validation des variables d'environnement pour la sécurité
Création d'une fonction d'enveloppe LLM flexible

---

Matières

Computer Science