ஆவணக் கடையில் பணிபுரிவதற்கான ரியாக்ட் லாஜிக்கை எவ்வாறு செயல்படுத்துவது?

Avanak Kataiyil Panipurivatarkana Riyakt Lajikkai Evvaru Ceyalpatuttuvatu



லாங்செயின் மொழி மாதிரிகள் மற்றும் சாட்போட்களை உருவாக்குவதற்கான அனைத்து சார்புகள் மற்றும் நூலகங்களைக் கொண்ட கட்டமைப்பாகும். மொழியின் சிக்கல்களை திறம்பட புரிந்து கொள்வதற்கு இந்த சாட்போட்கள் பாரிய தரவுகளில் பயிற்சி பெற்றிருக்க வேண்டும். டெவலப்பர்கள் இந்த மாதிரிகளுடன் ரியாக்ட் லாஜிக்கைப் பயன்படுத்தலாம், அவை மொழியைத் துல்லியமாகக் கற்கவும் புரிந்துகொள்ளவும் முடியும். தி எதிர்வினையாற்று தர்க்கம் என்பது கலவையாகும் பகுத்தறிவு (பயிற்சி) மற்றும் நடிப்பு மாதிரியிலிருந்து உகந்த முடிவுகளைப் பெறுவதற்கான (சோதனை) கட்டங்கள்.

விரைவான அவுட்லைன்

இந்த இடுகை நிரூபிக்கும்:







லாங்செயினில் ஆவணக் கடையுடன் ரியாக்ட் லாஜிக்கை எவ்வாறு செயல்படுத்துவது



முடிவுரை



லாங்செயினில் ஆவணக் கடையில் ரியாக்ட் லாஜிக்கை எவ்வாறு செயல்படுத்துவது?

மொழி மாதிரிகள் ஆங்கிலம் போன்ற இயற்கை மொழிகளில் எழுதப்பட்ட தரவுகளின் ஒரு பெரிய தொகுப்பில் பயிற்றுவிக்கப்படுகின்றன. ஒவ்வொரு மறு செய்கையும் மாதிரியை மிகவும் பயனுள்ளதாகவும் மேம்படுத்தவும் செய்வதால் மாதிரி பயிற்சி பல மறு செய்கைகளை எடுக்கலாம்.





LangChain இல் உள்ள ஆவணக் கடையில் பணிபுரியும் ReAct லாஜிக்கைச் செயல்படுத்தும் செயல்முறையை அறிய, இந்த எளிய வழிகாட்டியைப் பின்பற்றவும்:

படி 1: கட்டமைப்புகளை நிறுவுதல்

முதலில், LangChain கட்டமைப்பை நிறுவுவதன் மூலம் ஆவணக் கடையுடன் பணிபுரிவதற்கான ReAct லாஜிக்கைச் செயல்படுத்தும் செயல்முறையைத் தொடங்கவும். LangChain கட்டமைப்பை நிறுவுவது, செயல்முறையை முடிக்க நூலகங்களைப் பெற அல்லது இறக்குமதி செய்ய தேவையான அனைத்து சார்புகளையும் பெறும்:



pip நிறுவல் langchain

இந்த வழிகாட்டிக்கான விக்கிப்பீடியா சார்புகளை நிறுவவும், ஏனெனில் ஆவணக் கடைகளை ReAct தர்க்கத்துடன் வேலை செய்ய இது பயன்படுத்தப்படலாம்:

பிப் விக்கிபீடியாவை நிறுவவும்

அதன் நூலகங்களைப் பெறுவதற்கும், பெரிய மொழி மாதிரிகள் அல்லது LLMகளை உருவாக்குவதற்கும் pip கட்டளையைப் பயன்படுத்தி OpenAI தொகுதிகளை நிறுவவும்:

pip install openai

படி 2: OpenAI API விசையை வழங்குதல்

தேவையான அனைத்து தொகுதிகளையும் நிறுவிய பின், எளிமையாக சூழலை அமைக்க பின்வரும் குறியீட்டைப் பயன்படுத்தி OpenAI கணக்கிலிருந்து API விசையைப் பயன்படுத்துதல்:

இறக்குமதி நீ

இறக்குமதி கெட்பாஸ்

நீ . தோராயமாக [ 'OPENAI_API_KEY' ] = கெட்பாஸ் . கெட்பாஸ் ( 'OpenAI API விசை:' )

படி 3: நூலகங்களை இறக்குமதி செய்தல்

சூழல் அமைக்கப்பட்டதும், ஆவணக் கடைகளுடன் பணிபுரிவதற்கான ரியாக்ட் லாஜிக்கை உள்ளமைக்கத் தேவைப்படும் நூலகங்களை LangChain இலிருந்து இறக்குமதி செய்யவும். DocstoreExplorer ஐப் பெற LangChain முகவர்களைப் பயன்படுத்துதல் மற்றும் மொழி மாதிரியை உள்ளமைக்க அதன் வகைகளைக் கொண்ட முகவர்:

இருந்து லாங்செயின். llms இறக்குமதி OpenAI

இருந்து லாங்செயின். மருத்துவர் கடை இறக்குமதி விக்கிபீடியா

இருந்து லாங்செயின். முகவர்கள் இறக்குமதி துவக்க_முகவர் , கருவி

இருந்து லாங்செயின். முகவர்கள் இறக்குமதி முகவர் வகை

இருந்து லாங்செயின். முகவர்கள் . எதிர்வினை . அடித்தளம் இறக்குமதி DocstoreExplorer

படி 4: விக்கிபீடியா எக்ஸ்ப்ளோரரைப் பயன்படுத்துதல்

கட்டமைக்கவும் ' மருத்துவர் கடை ”டாக்ஸ்டோர் எக்ஸ்ப்ளோரர்() முறையுடன் மாறி மற்றும் அதன் வாதத்தில் விக்கிபீடியா() முறையை அழைக்கவும். OpenAI முறையைப் பயன்படுத்தி பெரிய மொழி மாதிரியை உருவாக்கவும் ' text-davinci-002 ” முகவருக்கான கருவிகளை அமைத்த பிறகு மாதிரி:

மருத்துவர் கடை = DocstoreExplorer ( விக்கிபீடியா ( ) )
கருவிகள் = [
கருவி (
பெயர் = 'தேடல்' ,
செயல்பாடு = மருத்துவர் கடை. தேடல் ,
விளக்கம் = 'தேடலுடன் வினவல்கள்/உரைவுகளைக் கேட்க இது பயன்படுகிறது' ,
) ,
கருவி (
பெயர் = 'தேடுதல்' ,
செயல்பாடு = மருத்துவர் கடை. தேடுதல் ,
விளக்கம் = 'தேடலுடன் வினவல்கள்/உரைவுகளைக் கேட்க இது பயன்படுகிறது' ,
) ,
]

llm = OpenAI ( வெப்ப நிலை = 0 , மாதிரி_பெயர் = 'text-davinci-002' )
#முகவருடன் மாதிரியை உள்ளமைப்பதன் மூலம் மாறியை வரையறுத்தல்
எதிர்வினை = துவக்க_முகவர் ( கருவிகள் , llm , முகவர் = முகவர் வகை. REACT_DOCSTORE , வாய்மொழி = உண்மை )

படி 5: மாதிரியை சோதித்தல்

மாதிரி கட்டமைக்கப்பட்டு கட்டமைக்கப்பட்டவுடன், கேள்வி சரத்தை அமைத்து, அதன் வாதத்தில் கேள்வி மாறியைக் கொண்டு முறையை இயக்கவும்:

கேள்வி = 'எந்த அமெரிக்க கடற்படை அட்மிரல் ஆசிரியர் டேவிட் சானோஃப் உடன் ஒத்துழைத்தார்'

எதிர்வினை. ஓடு ( கேள்வி )

கேள்வி மாறி செயல்படுத்தப்பட்டவுடன், மாதிரியானது எந்த வெளிப்புற ப்ராம்ட் டெம்ப்ளேட் அல்லது பயிற்சி இல்லாமல் கேள்வியை புரிந்து கொண்டது. முந்தைய படியில் பதிவேற்றிய மாதிரியைப் பயன்படுத்தி மாடல் தானாகவே பயிற்சியளிக்கப்பட்டு, அதற்கேற்ப உரையை உருவாக்குகிறது. கேள்வியின் அடிப்படையில் தகவல்களைப் பிரித்தெடுக்க ஆவணக் கடைகளுடன் ReAct லாஜிக் செயல்படுகிறது:

ஆவணக் கடைகளில் இருந்து மாதிரிக்கு வழங்கப்பட்ட தரவிலிருந்து மற்றொரு கேள்வியைக் கேளுங்கள், மாடல் கடையிலிருந்து பதிலைப் பிரித்தெடுக்கும்:

கேள்வி = 'ஆசிரியர் டேவிட் சானோஃப் எந்த ஜனாதிபதியின் கீழ் பணியாற்றிய வில்லியம் ஜே க்ரோவுடன் ஒத்துழைத்துள்ளார்?'

எதிர்வினை. ஓடு ( கேள்வி )

லாங்செயினில் உள்ள ஆவணக் கடையில் பணிபுரிவதற்கான ரியாக்ட் லாஜிக்கைச் செயல்படுத்துவது அவ்வளவுதான்.

முடிவுரை

லாங்செயினில் உள்ள ஆவணக் கடையுடன் பணிபுரிவதற்கான ரியாக்ட் லாஜிக்கைச் செயல்படுத்த, மொழி மாதிரியை உருவாக்குவதற்கான தொகுதிகள் அல்லது கட்டமைப்பை நிறுவவும். அதன் பிறகு, LLM ஐ கட்டமைக்க OpenAIக்கான சூழலை அமைத்து, ReAct லாஜிக்கை செயல்படுத்த ஆவணக் கடையிலிருந்து மாதிரியை ஏற்றவும். ஆவணக் கடையுடன் பணிபுரிவதற்கான ரியாக்ட் லாஜிக்கைச் செயல்படுத்துவது பற்றி இந்த வழிகாட்டி விரிவாகக் கூறியுள்ளது.