כיצד להפעיל LLMChains ב-LangChain?

Kyzd Lhp Yl Llmchains B Langchain



LangChain היא המסגרת המאפשרת למפתחים לבנות מודלים של שפה גדולה או מודלים של צ'אט שיכולים לשמש בני אדם כדי לחלץ מידע. מודלים אלה יכולים לשמש לאינטראקציה בשפות טבעיות, לאחר הבנת הפקודות ליצירת טקסטים בהתאם. LLMs או צ'אטבוטים משתמשים בשרשראות כדי ליצור אינטראקציה עם בני אדם על ידי אחסון ההודעות הקודמות כתצפיות כדי לקבל את ההקשר של הצ'אט.

מדריך זה ימחיש את תהליך הפעלת LLMChains ב-LangChain.

כיצד להפעיל LLMChains ב-LangChain?

LangChain מספקת את התכונות או התלות לבניית LLMChains באמצעות ה-LLMs/Chatbots ותבניות הנחיה. כדי ללמוד את תהליך הבנייה וההפעלה של ה-LLMChains ב-LangChain, פשוט עקוב אחר המדריך הבא:







שלב 1: התקן חבילות

ראשית, התחל עם התהליך על ידי התקנת מודול LangChain כדי לקבל את התלות שלו לבנייה והרצה של LLMChains:



pip להתקין langchain



התקן את מסגרת OpenAI באמצעות הפקודה pip כדי לגרום לספריות להשתמש בפונקציית OpenAI() לבניית LLMs:





pip להתקין openai

לאחר התקנת מודולים, פשוט להקים את הסביבה משתנים באמצעות מפתח ה-API מחשבון OpenAI:



יְבוּא אתה

יְבוּא getpass

אתה . בְּעֵרֶך [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'מפתח API של OpenAI:' )

שלב 2: ייבוא ​​ספריות

לאחר השלמת ההגדרה וכל החבילות הדרושות מותקנות, ייבא את הספריות הנדרשות לבניית תבנית ההנחיה. לאחר מכן, פשוט בנה את ה-LLM באמצעות שיטת OpenAI() והגדר את ה-LLMChain באמצעות ה-LLMs ותבנית הבקשה:

מ langchain יְבוּא PromptTemplate

מ langchain יְבוּא OpenAI

מ langchain יְבוּא LLMChain

prompt_template = 'תן לי כותרת טובה לעסק שמייצר {מוצר}?'

llm = OpenAI ( טֶמפֶּרָטוּרָה = 0 )

llm_chain = LLMChain (

llm = llm ,

מיידי = PromptTemplate. מתבנית ( prompt_template )

)

llm_chain ( 'בגדים צבעוניים' )

שלב 3: הפעלת שרשראות

קבלו את רשימת הקלט המכילה מוצרים שונים המיוצרים על ידי העסק והפעילו את הרשת להצגת הרשימה על המסך:

input_list = [
{ 'מוצר' : 'גרביים' } ,
{ 'מוצר' : 'מַחשֵׁב' } ,
{ 'מוצר' : 'נעליים' }
]

llm_chain. להגיש מועמדות ( input_list )

הפעל את שיטת gener() באמצעות ה input_list עם LLMChains כדי לקבל את הפלט הקשור לשיחה שנוצרה על ידי המודל:

llm_chain. לִיצוֹר ( input_list )

שלב 4: שימוש בקלט בודד

הוסף מוצר נוסף כדי להפעיל את ה-LLMChains באמצעות קלט בודד בלבד ולאחר מכן חזה את ה-LLMChain ליצור את הפלט:

llm_chain. לנבא ( מוצר = 'גרביים צבעוניות' )

שלב 5: שימוש במספר כניסות

כעת, בנו את התבנית לשימוש במספר קלטים למתן הפקודה למודל לפני הפעלת השרשרת:

תבנית = '''ספר לי בדיחה {תואר} על {נושא}.'''
מיידי = PromptTemplate ( תבנית = תבנית , משתני_קלט = [ 'תוֹאַר' , 'נושא' ] )
llm_chain = LLMChain ( מיידי = מיידי , llm = OpenAI ( טֶמפֶּרָטוּרָה = 0 ) )

llm_chain. לנבא ( תוֹאַר = 'עָצוּב' , נושא = 'ברווזים' )

שלב 6: שימוש בנתח פלט

שלב זה משתמש בשיטת מנתח הפלט כדי להפעיל את ה-LLMChain כדי לקבל את הפלט בהתבסס על ההנחיה:

מ langchain. output_parsers יְבוּא CommaSeparatedListOutputParser

output_parser = CommaSeparatedListOutputParser ( )

תבנית = '''רשום את כל הצבעים בקשת'''

מיידי = PromptTemplate ( תבנית = תבנית , משתני_קלט = [ ] , output_parser = output_parser )

llm_chain = LLMChain ( מיידי = מיידי , llm = llm )

llm_chain. לנבא ( )

שימוש בשיטת parse() כדי לקבל את הפלט יפיק רשימה מופרדת בפסיק של כל הצבעים בקשת:

llm_chain. לחזות_ולנתח ( )

שלב 7: אתחול ממחרוזות

שלב זה מסביר את תהליך השימוש במחרוזת בתור הנחיה להפעלת ה-LLMChain באמצעות המודל והתבנית של LLM:

תבנית = '''ספר לי בדיחה {תואר} על {נושא}'''

llm_chain = LLMChain. from_string ( llm = llm , תבנית = תבנית )

ספק את הערכים של המשתנים בהנחיית המחרוזת כדי לקבל את הפלט מהמודל על ידי הפעלת LLMChain:

llm_chain. לנבא ( תוֹאַר = 'עָצוּב' , נושא = 'ברווזים' )

זה הכל על הפעלת ה-LLMChains באמצעות מסגרת LangChain.

סיכום

כדי לבנות ולהפעיל את ה-LLMChains ב-LangChain, התקן את התנאים המוקדמים כמו חבילות והגדר את הסביבה באמצעות מפתח ה-API של OpenAI. לאחר מכן, ייבא את הספריות הנדרשות לקביעת תצורת תבנית ההנחיה והמודל להפעלת LLMChain באמצעות התלות של LangChain. המשתמש יכול להשתמש במנתחי פלט ובפקודות מחרוזות כדי להפעיל LLMChains כפי שהודגם במדריך. מדריך זה הרחיב את התהליך המלא של הפעלת ה-LLMChains ב-LangChain.