LangChain இல் உரையாடல் சுருக்க இடையகத்தை எவ்வாறு பயன்படுத்துவது?

Langchain Il Uraiyatal Curukka Itaiyakattai Evvaru Payanpatuttuvatu



LangChain என்பது இயற்கையான மொழிகளில் தரவுத்தொகுப்புகளைப் புரிந்துகொள்ளக்கூடிய மாதிரிகளை உருவாக்குவதற்கான அனைத்து சார்புகள் மற்றும் நூலகங்களைக் கொண்ட கட்டமைப்பாகும். இந்த மாதிரிகள் இயற்கையான மொழிகளில் உரையை உருவாக்கலாம் அல்லது பயனர் வழங்கிய உள்ளீடுகளின் அடிப்படையில் மிகவும் ஒத்த தரவைப் பிரித்தெடுக்கலாம். சாட்போட்கள் அல்லது எல்எல்எம்கள் மனிதர்களுடன் உரையாடல்களை உருவாக்கவும், அனைத்து செய்திகளைப் பயன்படுத்தி உரையாடலின் சுருக்கத்தைப் பிரித்தெடுக்கவும் பயன்படுத்தப்படுகின்றன.

LangChain இல் உரையாடல் சுருக்க இடையகத்தைப் பயன்படுத்துவதற்கான செயல்முறையை இந்த வழிகாட்டி விளக்கும்.

LangChain இல் உரையாடல் சுருக்க இடையகத்தை எவ்வாறு பயன்படுத்துவது?

உரையாடல் என்பது மனிதனுக்கும் இயந்திரத்துக்கும் இடையிலான தொடர்பு போன்ற பல செய்திகளைக் கொண்டிருக்கலாம் மற்றும் இடையகமானது மிகச் சமீபத்திய செய்திகளைச் சேமிக்கும். தி உரையாடல் சுருக்கம்BufferMemory மிக சமீபத்திய செய்திகளைச் சேமித்தல் மற்றும் அவற்றின் சுருக்கத்தைப் பிரித்தெடுத்தல் போன்ற இரு கருத்துகளையும் இணைக்க நூலகம் பயன்படுத்தப்படுகிறது.







LangChain இல் உரையாடல் சுருக்க இடையகத்தைப் பயன்படுத்துவதற்கான செயல்முறையை அறிய, பின்வரும் வழிகாட்டியைப் பார்க்கவும்:



படி 1: தொகுதிகளை நிறுவவும்

முதலில், தேவையான நூலகங்களைப் பெற pip கட்டளையைப் பயன்படுத்தி LangChain தொகுதியை நிறுவவும்:



pip நிறுவல் langchain





டிக்டோக்கன் டோக்கனைசரை நிறுவவும், இது உரை ஆவணங்களை சிறிய துண்டுகளாகப் பிரிக்க பயன்படுகிறது:

pip டிக்டோக்கனை நிறுவவும்



அதன் பிறகு, LLMகள் மற்றும் சங்கிலிகள் போன்ற மொழி மாதிரிகளை உருவாக்க பயன்படும் OpenAI தொகுதிகளை நிறுவவும்:

pip install openai

இப்போது, சூழலை அமைக்க OpenAI கணக்கிலிருந்து API விசையைப் பெற்று அதை மாதிரியில் பயன்படுத்துவதன் மூலம்:

இறக்குமதி நீ
இறக்குமதி கெட்பாஸ்

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

படி 2: உரையாடல் சுருக்க இடையகத்தைப் பயன்படுத்துதல்

OpenAI() முறையைப் பயன்படுத்தி LLM ஐ உருவாக்க நூலகங்களை இறக்குமதி செய்வதன் மூலம் உரையாடல் சுருக்க இடையகத்தைப் பயன்படுத்துவதற்கான செயல்முறையைத் தொடங்கவும்:

இருந்து லாங்செயின். நினைவு இறக்குமதி உரையாடல் சுருக்கம்BufferMemory

இருந்து லாங்செயின். llms இறக்குமதி OpenAI

llm = OpenAI ( )

ConversationSummaryBufferMemory() முறையைப் பயன்படுத்தி நினைவகத்தை உருவாக்கி, உரையாடலை நினைவகத்தில் சேமிக்கவும்:

நினைவு = உரையாடல் சுருக்கம்BufferMemory ( llm = llm , அதிகபட்ச_டோக்கன்_வரம்பு = 10 )

நினைவு. சேமிப்பு_சூழல் ( { 'உள்ளீடு' : 'வணக்கம்' } , { 'வெளியீடு' : 'எப்படி இருக்கிறாய்' } )

நினைவு. சேமிப்பு_சூழல் ( { 'உள்ளீடு' : 'நான் நல்லா இருக்கேன் உனக்கு' } , { 'வெளியீடு' : 'அதிகமில்லை' } )

இப்போது, ​​அழைப்பதன் மூலம் நினைவகத்தை இயக்கவும் load_memory_variables () நினைவகத்திலிருந்து செய்திகளைப் பிரித்தெடுக்கும் முறை:

நினைவு. load_memory_variables ( { } )

இப்போது, ​​இடையகத்தில் சேமிக்கப்படும் செய்திகளின் எண்ணிக்கையைக் கட்டுப்படுத்துவதன் மூலம் இடையகத்தை உள்ளமைக்க, உரையாடலின் இடையகச் சுருக்கத்தைப் பயன்படுத்தவும். அதன் பிறகு, பஃப்பரில் சேமிக்கப்பட்ட இந்த செய்திகளின் சுருக்கத்தை பிரித்தெடுத்து, உரையாடலை நினைவகத்தில் சேமிக்கவும்:

நினைவு = உரையாடல் சுருக்கம்BufferMemory (

llm = llm , அதிகபட்ச_டோக்கன்_வரம்பு = 10 , திரும்ப_செய்திகள் = உண்மை

)

நினைவு. சேமிப்பு_சூழல் ( { 'உள்ளீடு' : 'வணக்கம்' } , { 'வெளியீடு' : 'எப்படி இருக்கிறாய்' } )

நினைவு. சேமிப்பு_சூழல் ( { 'உள்ளீடு' : 'நான் நல்லா இருக்கேன் உனக்கு' } , { 'வெளியீடு' : 'அதிகமில்லை' } )

பின்வரும் குறியீட்டைப் பயன்படுத்தி இடையக நினைவகத்தில் சேமிக்கப்பட்ட முந்தைய செய்திகளின் சுருக்கத்தைப் பெறவும்:

செய்திகள் = நினைவு. அரட்டை_நினைவகம் . செய்திகள்

முந்தைய_சுருக்கம் = ''

நினைவு. கணிக்க_புதிய_சுருக்கம் ( செய்திகள் , முந்தைய_சுருக்கம் )

படி 3: ஒரு சங்கிலியில் உரையாடல் சுருக்கம் இடையகத்தைப் பயன்படுத்துதல்

பயன்படுத்தி சங்கிலிகளை உருவாக்கவும் உரையாடல் சங்கிலி() செய்தியைச் சேமிப்பதற்கான இடையக நினைவகத்திற்கான மதிப்பைக் கொண்ட முறை:

இருந்து லாங்செயின். சங்கிலிகள் இறக்குமதி உரையாடல் சங்கிலி

உரையாடல்_சுருக்கத்துடன் = உரையாடல் சங்கிலி (
llm = llm ,
நினைவு = உரையாடல் சுருக்கம்BufferMemory ( llm = OpenAI ( ) , அதிகபட்ச_டோக்கன்_வரம்பு = 40 ) ,
வாய்மொழி = உண்மை ,
)
உரையாடல்_சுருக்கத்துடன். கணிக்க ( உள்ளீடு = 'ஹாய், என்னாச்சு?' )

உரையாடலின் சுருக்கத்தைப் பெற முன்கணிப்பு() முறையைப் பயன்படுத்தி உரையின் வடிவத்தில் உள்ளீட்டை வழங்கவும்:

உரையாடல்_சுருக்கத்துடன். கணிக்க ( உள்ளீடு = 'NLP திட்டத்தில் வேலை செய்கிறேன்' )

மாதிரியிலிருந்து வெளியீட்டைப் பயன்படுத்தவும் மற்றும் இடையக நினைவகத்தில் உள்ள செய்திகளைப் பயன்படுத்தி கூடுதல் தரவைச் சேர்க்கவும் மற்றும் அதன் சுருக்கத்தைக் காண்பிக்கவும்:

உரையாடல்_சுருக்கத்துடன். கணிக்க ( உள்ளீடு = 'ஆம் அது! நான் எல்எல்எம்களை வடிவமைக்கும் பணியில் ஈடுபட்டுள்ளேன்' )

சுருக்கம் என்னவென்றால், வெளியீடு எளிதில் புரிந்துகொள்ளக்கூடியதாகவும், மனிதர்களுக்கு மிகவும் நட்பானதாகவும் இருக்கும், மேலும் இது சாட்போட்களுக்கு மிகவும் பொருத்தமானது:

உரையாடல்_சுருக்கத்துடன். கணிக்க (

உள்ளீடு = 'நான் LangChain ஐப் பயன்படுத்த விரும்புகிறேன்! அதைப் பற்றி நீங்கள் கேள்விப்பட்டிருக்கிறீர்களா'

)

LangChain இல் உரையாடல் சுருக்க இடையகத்தைப் பயன்படுத்துவது பற்றியது.

முடிவுரை

LangChain இல் உரையாடல் சுருக்கம் தாங்கல் நினைவகத்தைப் பயன்படுத்த, தேவையான நூலகங்களைப் பெற தொகுதிகள் அல்லது கட்டமைப்புகளை நிறுவவும். நூலகங்கள் இறக்குமதி செய்யப்பட்டவுடன், உரையாடலின் சுருக்கத்தைப் பெற ConverstaionSummaryBufferMemory() செயல்பாட்டைப் பயன்படுத்த LLMகள் அல்லது சாட்போட்களை உருவாக்கவும். சுருக்கத்தைப் பிரித்தெடுக்கப் பயன்படுத்த நினைவகத்தில் சேமிக்கப்பட்ட செய்திகளின் எண்ணிக்கையைக் கட்டுப்படுத்த இடையக நினைவகம் பயன்படுத்தப்படுகிறது. LangChain இல் உரையாடல் சுருக்கமான இடையக நினைவகத்தைப் பயன்படுத்துவதற்கான செயல்முறையை இந்த இடுகை விரிவாகக் கூறியுள்ளது.