"Python Web API အတွက် ကုဒ်ထုတ်ပေးပါ"
#import necessary libraries
import flask
from flask import request, jsonify
#create an instance of the Flask class
app = flask.Flask(__name__)
#create an endpoint for the API
@app.route('/api/v1/endpoint', methods=['GET'])
def api_endpoint():
#get the request data
data = request.get_json()
#process the data
result = process_data(data)
#return the result
return jsonify(result)
#function to process the data
def process_data(data):
#process the data
result = {'result': 'success'}
#return the result
return result
#run the Flask app
if __name__ == '__main__':
app.run()prompt ကို ထပ်မံ chạy လုပ်တဲ့အခါ ရလာတဲ့ရလဒ်က ဒီလိုဖြစ်ပါတယ်။
#import necessary libraries
import flask
from flask import request, jsonify
#create a Flask app
app = flask.Flask(__name__)
#create a route for the API
@app.route('/api', methods=['GET'])
def api_call():
#get the data from the request
data = request.get_json()
#process the data
result = process_data(data)
#return the result
return jsonify(result)
#define the process_data function
def process_data(data):
#do something with the data
result = data + 1
#return the result
return result
#run the app
if __name__ == '__main__':
app.run()ဒီ output နှစ်ခုကြားမှာ အနည်းငယ်သာကွာခြားချက်ရှိပါတယ်။ ဒီတစ်ခါမှာတော့ အနောက်ဘက်ကိုလုပ်ကြည့်ပါစို့၊ temperature ကို 0.9 သတ်မှတ်ကြည့်မယ်။
# Import necessary libraries
import flask
from flask import request, jsonify
# Create a Flask app
app = flask.Flask(__name__)
# Create a route for the API
@app.route('/api', methods=['GET'])
def api_call():
# Get the data from the request
data = request.args
# Process the data
result = process_data(data)
# Return the result
return jsonify(result)
# Function to process the data
def process_data(data):
# Do something with the data
result = data + 1
# Return the result
return result
# Run the app
if __name__ == '__main__':
app.run()နောက်တစ်ကြိမ် temperature 0.9 နဲ့ ပြန်လုပ်ကြည့်တာက ဒီလိုဖြစ်ပါတယ်။
import flask
from flask import request, jsonify
# create the Flask app
app = flask.Flask(__name__)
app.config['DEBUG'] = True
# create some test data
books = [
{'id': 0, 'title': 'A Fire Upon The Deep', 'author': 'Vernor Vinge', 'first_sentence': 'The coldsleep itself was dreamless.', 'year_published': '1992'},
{'id': 1, 'title': 'The Ones Who Walk Away From Omelas', 'author': 'Ursula K. Le Guin', 'first_sentence': 'With a clamor of bells that set the swallows soaring, the Festival of Summer came to the city Omelas, bright-towered by the sea.', 'published': '1973'},
{'id': 2, 'title': 'Dhalgren', 'author': 'Samuel R. Delany', 'first_sentence': 'to wound the autumnal city.', 'published': '1975'}
]
# create an endpoint
@app.route('/', methods=['GET'])
def home():
return '''<h1>Welcome to our book API!</h1>'''
@app.route('/api/v1/resources/booksမြင်ရသလို ရလဒ်တွေက အမျိုးမျိုးကွဲပြားမှုများစွာရှိပါတယ်။
Note, output ကို မတူညီအောင်ပြောင်းလဲဖို့ top-k, top-p, repetition penalty, length penalty, diversity penalty စတဲ့ parameter တွေကိုလည်းပြောင်းလဲနိုင်ပါတယ်၊ ဒါပေမယ့် ဒီသင်ခန်းစာမှာတော့ မပါဝင်ပါ။
သင်လိုချင်တာရဖို့ ကြိုးစားတဲ့အခါ အသုံးပြုနိုင်တဲ့ လေ့လာမှုနည်းလမ်းများ များစွာရှိပါတယ်။ prompt ကို မကြာခဏအသုံးပြုသလို သင့်ကိုယ်ပိုင်စတိုင်ကို ရှာတွေ့မှာဖြစ်ပါတယ်။
ကျွန်တော်တို့ လေ့လာခဲ့တဲ့ နည်းလမ်းတွေ အပြင် LLM ကို prompt ပေးတဲ့အခါ စဉ်းစားသင့်တဲ့ ကောင်းမွန်တဲ့ လေ့လာမှုနည်းလမ်းတွေ ရှိပါတယ်။
အောက်ပါကောင်းမွန်တဲ့ လေ့လာမှုနည်းလမ်းများကို စဉ်းစားကြည့်ပါ။
- Context ကို သတ်မှတ်ပါ။ Context က အရေးကြီးပါတယ်၊ domain, topic စသဖြင့် သတ်မှတ်နိုင်သမျှ ပိုသေချာသင့်ပါတယ်။
- Output ကို ကန့်သတ်ပါ။ အကြောင်းအရာအရေအတွက် သို့မဟုတ် အရှည်အတိုင်း သတ်မှတ်ချင်ရင် သတ်မှတ်ပါ။
- ဘာလိုချင်သလဲ၊ ဘယ်လိုလိုချင်သလဲ နှစ်ခုလုံးကို သတ်မှတ်ပါ။ ဥပမာ "products နဲ့ customers ဆိုတဲ့ routes တွေပါဝင်တဲ့ Python Web API တစ်ခု ဖန်တီးပါ၊ ဖိုင် ၃ ဖိုင်ခွဲပါ" ဆိုပြီး ပြောပါ။
- Template များကို အသုံးပြုပါ။ မကြာခဏ သင့်ကုမ္ပဏီရဲ့ ဒေတာနဲ့ prompt တွေကို ပိုမိုတိုးတက်အောင်လုပ်ချင်မှာဖြစ်ပါတယ်။ Template တွေမှာ variable တွေ ပါနိုင်ပြီး အဲဒီ variable တွေကို အမှန်တကယ်ရှိတဲ့ ဒေတာနဲ့ အစားထိုးနိုင်ပါတယ်။
- စာလုံးပေါင်းမှန်စွာ ရေးပါ။ LLM တွေက မှန်ကန်တဲ့ဖြေကြားချက်ပေးနိုင်ပေမယ့် စာလုံးပေါင်းမှန်စွာရေးရင် ပိုကောင်းတဲ့ဖြေကြားချက်ရမှာ ဖြစ်ပါတယ်။
Flask ကို အသုံးပြုပြီး ရိုးရှင်းတဲ့ API တစ်ခု ဖန်တီးနည်းကို Python ကုဒ်နမူနာဖြင့် ပြပါ။
from flask import Flask, request
app = Flask(__name__)
@app.route('/')
def hello():
name = request.args.get('name', 'World')
return f'Hello, {name}!'
if __name__ == '__main__':
app.run()GitHub Copilot သို့မဟုတ် ChatGPT ကဲ့သို့ AI အကူအညီတစ်ခုကို အသုံးပြုပြီး "self-refine" နည်းလမ်းကို အသုံးပြုကာ ကုဒ်ကို တိုးတက်အောင် ပြုပြင်ပါ။
သင့်အနေနဲ့ ကုဒ်ထဲမှာ သင့်တော်တဲ့ prompt တွေ ထည့်သွင်းပြီး လေ့ကျင့်ခန်းကို ဖြေရှင်းကြည့်ပါ။
Tip
တိုးတက်အောင် ပြုလုပ်ဖို့ prompt တစ်ခု ဖန်တီးပါ၊ တိုးတက်မှု အရေအတွက်ကို ကန့်သတ်ဖို့ကောင်းပါတယ်။ architecture, performance, security စသဖြင့် တိုးတက်စေချင်တဲ့ နည်းလမ်းတစ်ခုအတိုင်းလည်း တောင်းဆိုနိုင်ပါတယ်။
chain-of-thought prompting ကို ဘာကြောင့် အသုံးပြုမလဲ? မှန်ကန်တဲ့ဖြေကြားချက် ၁ ခုနဲ့ မှားယွင်းတဲ့ဖြေကြားချက် ၂ ခု ပြပါ။
- LLM ကို ပြဿနာဖြေရှင်းနည်း သင်ပေးဖို့။
- B, LLM ကို ကုဒ်အမှားတွေ ရှာဖွေဖို့ သင်ပေးဖို့။
- C, LLM ကို မတူညီတဲ့ ဖြေရှင်းနည်းတွေ ထုတ်ဖော်ဖို့ ညွှန်ကြားဖို့။
A: 1, chain-of-thought က LLM ကို ပြဿနာဖြေရှင်းနည်းကို အဆင့်ဆင့်နဲ့ ပြသပေးခြင်း၊ ဆင်တူပြဿနာတွေနဲ့ ဖြေရှင်းနည်းတွေကို ပြသပေးခြင်း ဖြစ်ပါတယ်။
လေ့ကျင့်ခန်းမှာ self-refine နည်းလမ်းကို အသုံးပြုပြီးသားဖြစ်ပါတယ်။ သင်ဖန်တီးထားတဲ့ အစီအစဉ်တစ်ခုကို ယူပြီး ဘယ်လိုတိုးတက်မှုတွေ လုပ်ချင်မလဲ စဉ်းစားပါ။ အခုတော့ self-refine နည်းလမ်းကို အသုံးပြုပြီး အဆိုပြုထားတဲ့ ပြင်ဆင်မှုတွေကို လုပ်ဆောင်ပါ။ ရလဒ်ကို ဘယ်လိုထင်ပါသလဲ၊ ပိုကောင်းသလား၊ ပိုမကောင်းသလား?
ဒီသင်ခန်းစာပြီးဆုံးပြီးနောက် Generative AI Learning collection ကို ကြည့်ရှုပြီး Generative AI အသိပညာကို ပိုမိုမြှင့်တင်ပါ။
Lesson 6 ကို သွားပါ၊ ဒီမှာတော့ Prompt Engineering အသိပညာကို အသုံးပြုပြီး စာသားထုတ်လုပ်မှု အက်ပ်များ ဖန်တီးခြင်း ကို လေ့လာမှာ ဖြစ်ပါတယ်။
အကြောင်းကြားချက်
ဤစာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ဖြင့် ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားသော်လည်း၊ အလိုအလျောက် ဘာသာပြန်ခြင်းသည် အမှားများ သို့မဟုတ် မှားယွင်းချက်များ ပါဝင်နိုင်ကြောင်း သတိပြုပါရန် မေတ္တာရပ်ခံအပ်ပါသည်။ မူရင်းစာတမ်းကို မိမိဘာသာစကားဖြင့်သာ တရားဝင်အချက်အလက်အဖြစ် ယူဆသင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ပညာရှင်များ၏ ပရော်ဖက်ရှင်နယ် ဘာသာပြန်ခြင်းကို အကြံပြုပါသည်။ ဤဘာသာပြန်ချက်ကို အသုံးပြုရာမှ ဖြစ်ပေါ်လာနိုင်သည့် နားလည်မှုမှားယွင်းမှုများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။