இந்த வழிகாட்டி LangChain Hub இலிருந்து சங்கிலிகளை ஏற்றும் செயல்முறையை விளக்கும்.
LangChain ஐப் பயன்படுத்தி செயினில் நினைவக நிலையை எவ்வாறு சேர்ப்பது?
சங்கிலிகளைத் தொடங்க நினைவக நிலையைப் பயன்படுத்தலாம், ஏனெனில் இது சங்கிலிகளில் சேமிக்கப்பட்ட சமீபத்திய மதிப்பைக் குறிக்கும், இது வெளியீட்டைத் திரும்பப் பெறும்போது பயன்படுத்தப்படும். LangChain கட்டமைப்பைப் பயன்படுத்தி சங்கிலிகளில் நினைவக நிலையைச் சேர்க்கும் செயல்முறையை அறிய, இந்த எளிய வழிகாட்டியைப் பார்க்கவும்:
படி 1: தொகுதிகளை நிறுவவும்
முதலில், pip கட்டளையைப் பயன்படுத்தி LangChain கட்டமைப்பை அதன் சார்புகளுடன் நிறுவுவதன் மூலம் செயல்முறையில் இறங்கவும்:
pip நிறுவல் langchain
ஓபன்ஏஐ தொகுதியை நிறுவவும், அதன் நூலகங்களைப் பெற, அவை சங்கிலியில் நினைவக நிலையைச் சேர்க்கப் பயன்படுகிறது:
pip install openai
OpenAI கணக்கிலிருந்து API விசையைப் பெறவும் சூழலை அமைக்க இதைப் பயன்படுத்தி, சங்கிலிகள் அதை அணுக முடியும்:
இறக்குமதி நீ
இறக்குமதி கெட்பாஸ்
நீ . தோராயமாக [ 'OPENAI_API_KEY' ] = கெட்பாஸ் . கெட்பாஸ் ( 'OpenAI API விசை:' )
குறியீடு சரியாக வேலை செய்ய இந்த படி முக்கியமானது.
படி 2: நூலகங்களை இறக்குமதி செய்யவும்
சூழலை அமைத்த பிறகு, LLMChain, ConversationBufferMemory மற்றும் பல போன்ற நினைவக நிலையைச் சேர்க்க நூலகங்களை இறக்குமதி செய்யவும்:
இருந்து லாங்செயின். சங்கிலிகள் இறக்குமதி உரையாடல் சங்கிலிஇருந்து லாங்செயின். நினைவு இறக்குமதி உரையாடல் பஃபர் நினைவகம்
இருந்து லாங்செயின். அரட்டை_மாதிரிகள் இறக்குமதி ChatOpenAI
இருந்து லாங்செயின். சங்கிலிகள் . llm இறக்குமதி எல்எல்எம்செயின்
இருந்து லாங்செயின். தூண்டுகிறது இறக்குமதி PromptTemplate
படி 3: சங்கிலிகளை உருவாக்குதல்
இப்போது, OpenAI() முறையைப் பயன்படுத்தி LLMக்கான சங்கிலிகளை உருவாக்கவும் மற்றும் சங்கிலியை அழைப்பதற்கான வினவலைப் பயன்படுத்தி வரியில் டெம்ப்ளேட்டை உருவாக்கவும்:
அரட்டை = ChatOpenAI ( வெப்ப நிலை = 0 )prompt_template = 'ஒரு {ஸ்டைல்} ஜோக் எழுது'
llm_செயின் = எல்எல்எம்செயின் ( llm = அரட்டை , உடனடியாக = PromptTemplate. இருந்து_வார்ப்புரு ( prompt_template ) )
llm_செயின் ( உள்ளீடுகள் = { 'பாணி' : 'கோணி' } )
கீழே உள்ள ஸ்கிரீன்ஷாட்டில் காட்டப்பட்டுள்ளபடி, எல்எல்எம் மாதிரியைப் பயன்படுத்தி மாடல் வெளியீட்டைக் காட்டுகிறது:
படி 4: நினைவக நிலையைச் சேர்த்தல்
இங்கே நாம் ConversationBufferMemory() முறையைப் பயன்படுத்தி சங்கிலியில் நினைவக நிலையைச் சேர்க்கப் போகிறோம் மற்றும் வானவில்லில் இருந்து 3 வண்ணங்களைப் பெற சங்கிலியை இயக்குவோம்:
உரையாடல் = உரையாடல் சங்கிலி (llm = அரட்டை ,
நினைவு = உரையாடல் பஃபர் நினைவகம் ( )
)
உரையாடல். ஓடு ( 'வானவில்லில் 3 வண்ணங்களை சுருக்கமாக கொடுங்கள்' )
மாடல் வானவில்லின் மூன்று வண்ணங்களை மட்டுமே காட்டியுள்ளது மற்றும் சூழல் சங்கிலியின் நினைவகத்தில் சேமிக்கப்படுகிறது:
இங்கே நாம் ஒரு தெளிவற்ற கட்டளையுடன் சங்கிலியை இயக்குகிறோம் ' மற்ற 4? ” எனவே மாடல் நினைவகத்திலிருந்து சூழலைப் பெற்று மீதமுள்ள வானவில் வண்ணங்களைக் காட்டுகிறது:
உரையாடல். ஓடு ( 'மற்ற 4?' )மாடல் அதைச் சரியாகச் செய்துள்ளது, அது சூழலைப் புரிந்துகொண்டு, வானவில் தொகுப்பிலிருந்து மீதமுள்ள நான்கு வண்ணங்களைத் திருப்பித் தந்தது:
LangChain Hub இலிருந்து சங்கிலிகளை ஏற்றுவது பற்றியது.
முடிவுரை
LangChain கட்டமைப்பைப் பயன்படுத்தி நினைவகத்தை சங்கிலிகளில் சேர்க்க, LLM ஐ உருவாக்குவதற்கான சூழலை அமைக்க தொகுதிகளை நிறுவவும். அதன் பிறகு, LLM இல் சங்கிலிகளை உருவாக்க தேவையான நூலகங்களை இறக்குமதி செய்து, பின்னர் அதில் நினைவக நிலையை சேர்க்கவும். சங்கிலியில் நினைவக நிலையைச் சேர்த்த பிறகு, வெளியீட்டைப் பெற சங்கிலிக்கு ஒரு கட்டளையை வழங்கவும், பின்னர் சரியான பதிலைப் பெற முந்தைய சூழலில் மற்றொரு கட்டளையை வழங்கவும். LangChain கட்டமைப்பைப் பயன்படுத்தி சங்கிலிகளில் நினைவக நிலையைச் சேர்க்கும் செயல்முறையை இந்த இடுகை விரிவாகக் கூறியுள்ளது.