LangChain இல் முகவர்களுடன் தொடங்குகிறீர்களா?

விரைவான அவுட்லைன்

இந்த இடுகை பின்வருவனவற்றை நிரூபிக்கும்:

இயற்கை மொழி செயலாக்கத்தில் முகவர்கள் என்றால் என்ன (NLP)

LangChain இல் முகவர்களுடன் தொடங்குதல்

• கட்டமைப்புகளை நிறுவுதல்
• அரட்டை மாதிரியை உள்ளமைக்கவும்
• கட்டிட முகவர்
• முகவரை அழைக்கிறது
• முகவர் கருவிகளை உள்ளமைக்கவும்
• முகவரை சோதிக்கிறது

முடிவுரை

இயற்கை மொழி செயலாக்கத்தில் (NLP) முகவர்கள் என்றால் என்ன?

முகவர்கள் இயற்கை மொழி பயன்பாட்டின் முக்கிய கூறுகள் மற்றும் அவர்கள் வினவல்களைப் புரிந்துகொள்ள இயற்கை மொழி புரிதலை (NLU) பயன்படுத்துகின்றனர். இந்த முகவர்கள், பணிகளின் வரிசையைப் பயன்படுத்தி மனிதர்களுடன் தொடர்புகொள்வதற்கான உரையாடல் டெம்ப்ளேட் போல செயல்படும் புரோகிராம்கள். முகவர்கள் பல செயல்களைச் செய்ய அல்லது செய்ய வேண்டிய அடுத்த பணியைக் குறிப்பிட முகவரால் அழைக்கப்படும் பல கருவிகளைப் பயன்படுத்துகின்றனர்.

LangChain இல் முகவர்களுடன் தொடங்குதல்

LangChain இல் உள்ள முகவர்களைப் பயன்படுத்தி வெளியீட்டைப் பிரித்தெடுப்பதன் மூலம் மனிதர்களுடன் உரையாடுவதற்கு முகவர்களை உருவாக்கும் செயல்முறையைத் தொடங்கவும். LangChain இல் உள்ள முகவர்களுடன் தொடங்கும் செயல்முறையை அறிய, கீழே பட்டியலிடப்பட்டுள்ள படிகளைப் பின்பற்றவும்:

படி 1: கட்டமைப்புகளை நிறுவுதல்

முதலில், '' ஐப் பயன்படுத்தி LangChain கட்டமைப்பை நிறுவும் செயல்முறையைத் தொடங்கவும் பிப் முகவர்களைப் பயன்படுத்துவதற்குத் தேவையான சார்புகளைப் பெற ” கட்டளை:

LLM ஐ உருவாக்க OpenAI தொகுதியை நிறுவவும் மற்றும் LangChain இல் முகவர்களை உள்ளமைக்க அதைப் பயன்படுத்தவும்:

சூழலை அமைக்கவும் பின்வரும் குறியீட்டை இயக்குவதன் மூலம் கணக்கிலிருந்து அதன் API விசையைப் பயன்படுத்தி OpenAI தொகுதிக்கு:

படி 2: அரட்டை மாதிரியை உள்ளமைக்கவும்

அதன் செயல்பாட்டைப் பயன்படுத்தி LLM ஐ உருவாக்க LangChain இலிருந்து ChatOpenAI தொகுதியை இறக்குமதி செய்யவும்:

முகவரால் செய்யப்பட வேண்டிய பணிகள் அல்லது செயல்களை உள்ளமைக்க முகவருக்கான கருவிகளை இறக்குமதி செய்யவும். பயனர் வழங்கிய வார்த்தையின் நீளத்தைப் பெற பின்வரும் குறியீடு get_word_length() முறையைப் பயன்படுத்துகிறது:

அரட்டையில் இருப்பதற்கான இடைமுகத்தை உருவாக்க, அரட்டை மாதிரிக்கான டெம்ப்ளேட் அல்லது கட்டமைப்பை உள்ளமைக்கவும்:

படி 3: கட்டிட முகவர்

LangChain தொகுதியிலிருந்து OpenAI செயல்பாடுகளைப் பயன்படுத்தி LLM ஐ உருவாக்குவதற்கான கருவிகள் நூலகத்தை இறக்குமதி செய்யவும்:

செயல்கள்/பணிகளின் வரிசைகளை அமைக்க வெளியீட்டு பாகுபடுத்தியைப் பயன்படுத்த OpenAI செயல்பாட்டு முகவரைப் பயன்படுத்தி முகவரை உள்ளமைக்கவும்:

படி 4: முகவரை அழைப்பது

அடுத்த படி, உள்ளீடு மற்றும் இடைநிலை_படி வாதங்களைப் பயன்படுத்தி முகவரை அழைக்க invoke() செயல்பாட்டைப் பயன்படுத்துகிறது:

படி 5: முகவர் கருவிகளை உள்ளமைக்கவும்

அதன் பிறகு, செயல்பாட்டை முடிக்க அனைத்து படிகளையும் ஒரு வரிசையில் ஒருங்கிணைப்பதன் மூலம் இடைநிலை_படிகளை உள்ளமைக்க AgentFinish நூலகத்தை இறக்குமதி செய்யவும்:

படி 6: முகவரைச் சோதித்தல்

இப்போது, ​​LangChain இலிருந்து அதன் நூலகத்தை இறக்குமதி செய்த பிறகு, AgentExecutor() முறையை அழைப்பதன் மூலம் முகவரை இயக்கவும்:

முடிவில், ஏஜெண்டிற்கான வினவலை உள்ளிட, உள்ளீட்டு வாதத்துடன் agent_executor ஐ அழைக்கவும்:

சங்கிலியை முடித்த பிறகு உள்ளீட்டு வாதத்தில் வழங்கப்பட்ட கேள்விக்கான பதிலை முகவர் காட்டியுள்ளார்:

LangChain கட்டமைப்பில் உள்ள முகவர்களுடன் தொடங்குவது அவ்வளவுதான்.

முடிவுரை

LangChain இல் உள்ள முகவர்களுடன் தொடங்குவதற்கு, OpenAI API விசையைப் பயன்படுத்தி சூழலை அமைக்க தேவையான தொகுதிகளை நிறுவவும். அதன் பிறகு, இடைநிலை படிகளின் வரிசையுடன் முகவரை உருவாக்குவதற்கான ப்ராம்ட் டெம்ப்ளேட்டை அமைப்பதன் மூலம் அரட்டை மாதிரியை உள்ளமைக்கவும். முகவர் கட்டமைக்கப்பட்டவுடன், பயனருக்கு உள்ளீட்டு சரத்தை வழங்கிய பிறகு பணிகளைக் குறிப்பிடுவதன் மூலம் கருவிகளை உருவாக்கவும். இந்த வலைப்பதிவு LangChain இல் முகவர்களைப் பயன்படுத்தும் செயல்முறையை விளக்கியுள்ளது.