LangChain ஐப் பயன்படுத்தி LLMகளுடன் எவ்வாறு தொடர்புகொள்வது?

Langchain Aip Payanpatutti Llmkalutan Evvaru Totarpukolvatu



பெரிய மொழி மாதிரிகள் அல்லது எல்எல்எம்கள் என்பது இயற்கையான மொழிகளில் கட்டளைகளைப் பயன்படுத்தி தரவைப் பெறும் சாட்போட்களை உருவாக்குவதற்கான ஒரு சக்திவாய்ந்த நியூரல் நெட்வொர்க் அல்காரிதம் ஆகும். LLMகள் இயந்திரங்கள்/கணினிகள் இயற்கை மொழியை நன்றாகப் புரிந்துகொள்ளவும், மனிதர்களைப் போன்ற மொழியை உருவாக்கவும் உதவுகின்றன. NLP மாடல்களை உருவாக்க LangChain தொகுதியும் செயல்படுகிறது. இருப்பினும், அதன் எல்எல்எம் இல்லை ஆனால் இது பல்வேறு எல்எல்எம்களுடன் தொடர்பு கொள்ள அனுமதிக்கிறது.

இந்த வழிகாட்டி LangChain ஐப் பயன்படுத்தி பெரிய மொழி மாதிரிகளுடன் தொடர்பு கொள்ளும் செயல்முறையை விளக்கும்.







LangChain ஐப் பயன்படுத்தி LLMகளுடன் எவ்வாறு தொடர்புகொள்வது?

LangChain ஐப் பயன்படுத்தி LLMகளுடன் தொடர்பு கொள்ள, எடுத்துக்காட்டுகளுடன் இந்த எளிய படிப்படியான வழிகாட்டியைப் பின்பற்றவும்:



எல்எல்எம்களுடன் தொடர்பு கொள்ள தொகுதிகளை நிறுவவும்



LangChain ஐப் பயன்படுத்தி LLMகளுடன் தொடர்பு கொள்ளும் செயல்முறையைத் தொடங்குவதற்கு முன், ' லாங்செயின் பின்வரும் குறியீட்டைப் பயன்படுத்தி தொகுதி:





பிப் நிறுவு லாங்செயின்



OpenAI கட்டமைப்பை நிறுவ, பின்வரும் குறியீட்டின் மூலம் LLMகளுடன் தொடர்பு கொள்ள அதன் API விசையைப் பயன்படுத்தவும்:

பிப் நிறுவு ஓப்பனை



இப்போது, ​​இறக்குமதி' நீ 'மற்றும்' கெட்பாஸ் ” குறியீட்டை இயக்கிய பின் OpenAI API விசையைப் பயன்படுத்த:



எங்களை இறக்குமதி
getpass இறக்குமதி

os.சூழல் [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API விசை:' )



LLM ஐ அழைக்கிறது

OpenAI நூலகத்தை LangChain தொகுதியிலிருந்து இறக்குமதி செய்து அதன் செயல்பாட்டை ' llm ” மாறி:

langchain.llms இலிருந்து OpenAIஐ இறக்குமதி செய்கிறது

llm = OpenAI ( )


அதன் பிறகு, '' என்று அழைக்கவும். llm ” செயல்பாடு மற்றும் உடனடி வினவல் அதன் அளவுருவாக:

llm ( 'ஒரு ஜோக் சொல்லு' )



LLMகளைப் பயன்படுத்தி பல உரைகளை உருவாக்கவும்

LLM இலிருந்து உரையை உருவாக்கவும், அவற்றை '' இல் சேமிக்கவும் இயற்கை மொழியில் பல அறிவுறுத்தல்களுடன் உருவாக்க() முறையைப் பயன்படுத்தவும். llm_result ” மாறி:

llm_result = llm.generate ( [ 'நான் ஒரு ஜோக் கேட்க விரும்புகிறேன்' , 'கவிதை எழுது' ] * பதினைந்து )


'' இல் சேமிக்கப்பட்ட பொருட்களின் நீளத்தைப் பெறுங்கள் llm_result ”ஜெனரேட்() செயல்பாட்டைப் பயன்படுத்தி மாறி:

மட்டுமே ( llm_result.generations )


பொருள்களின் குறியீட்டு எண்ணுடன் மாறியை அழைக்கவும்:

llm_result.generations [ 0 ]


பின்வரும் ஸ்கிரீன்ஷாட் '' இல் சேமிக்கப்பட்ட உரையைக் காட்டுகிறது llm_result நகைச்சுவையை உருவாக்கும் அதன் 0-குறியீட்டில் மாறி:


llm_result மாறியில் வைக்கப்பட்டுள்ள கவிதையை உருவாக்க, குறியீட்டு -1 அளவுருவுடன் தலைமுறை() முறையைப் பயன்படுத்தவும்:

llm_result.generations [ - 1 ]


உருவாக்கப்பட்ட செயல்பாட்டைப் பயன்படுத்தி முந்தைய LLM இல் உருவாக்கப்பட்ட வழங்குநர்-குறிப்பிட்ட தகவலைப் பெற, உருவாக்கப்பட்ட வெளியீட்டை முடிவு மாறியில் காட்டவும்:

llm_result.llm_output



இயற்கையான மொழியை உருவாக்க லாங்செயின் கட்டமைப்பைப் பயன்படுத்தி எல்எல்எம்களுடன் தொடர்புகொள்வது இதுவே.

முடிவுரை

LangChain ஐப் பயன்படுத்தி பெரிய மொழி மாதிரிகளுடன் தொடர்பு கொள்ள, LLMகளுக்கான நூலகங்களை இறக்குமதி செய்ய LangChain மற்றும் OpenAI போன்ற கட்டமைப்பை நிறுவவும். அதன் பிறகு, இயற்கையான மொழியைப் புரிந்துகொள்வதற்கு அல்லது உருவாக்குவதற்கு LLMகளாகப் பயன்படுத்த OpenAI API விசையை வழங்கவும். இயல்பான மொழியில் உள்ளீடு வரியில் LLM ஐப் பயன்படுத்தவும், பின்னர் கட்டளையின் அடிப்படையில் உரையை உருவாக்க அதை அழைக்கவும். இந்த வழிகாட்டி LangChain தொகுதிகளைப் பயன்படுத்தி பெரிய மொழி மாதிரிகளுடன் தொடர்பு கொள்ளும் செயல்முறையை விளக்கியுள்ளது.