Как да добавите памет към OpenAI Functions Agent в LangChain?

Бързо очертание

Тази публикация ще демонстрира следното:

• Как да добавите памет към OpenAI Functions Agent в LangChain
• Стъпка 1: Инсталиране на Frameworks
• Стъпка 2: Настройване на среди
• Стъпка 3: Импортиране на библиотеки
• Стъпка 4: Изграждане на база данни
• Стъпка 5: Качване на база данни
• Стъпка 6: Конфигуриране на езиков модел
• Стъпка 7: Добавяне на памет
• Стъпка 8: Инициализиране на агента
• Стъпка 9: Тестване на агента
• Заключение

Как да добавите памет към OpenAI Functions Agent в LangChain?

OpenAI е организация за изкуствен интелект (AI), която е създадена през 2015 г. и в началото е организация с нестопанска цел. Microsoft инвестира много богатства от 2020 г., тъй като обработката на естествен език (NLP) с AI процъфтява с чатботове и езикови модели.

Изграждането на OpenAI агенти позволява на разработчиците да получат по-четливи и точни резултати от интернет. Добавянето на памет към агентите им позволява да разбират по-добре контекста на чата и също да съхраняват предишните разговори в паметта си. За да научите процеса на добавяне на памет към агента за функции на OpenAI в LangChain, просто преминете през следните стъпки:

Стъпка 1: Инсталиране на Frameworks

Първо, инсталирайте зависимостите на LangChain от „langchain-експериментален“ рамка с помощта на следния код:

Инсталирайте „google-search-results“ модул за получаване на резултатите от търсенето от сървъра на Google:

Освен това инсталирайте модула OpenAI, който може да се използва за изграждане на езиковите модели в LangChain:

Стъпка 2: Настройване на среди

След като получите модулите, настройте среди с помощта на API ключовете от OpenAI и SerpAPi сметки:

Изпълнете горния код, за да въведете API ключовете за достъп до средата и натиснете enter, за да потвърдите:

Стъпка 3: Импортиране на библиотеки

Сега, когато настройката е завършена, използвайте зависимостите, инсталирани от LangChain, за да импортирате необходимите библиотеки за изграждане на паметта и агентите:

Стъпка 4: Изграждане на база данни

За да продължим с това ръководство, трябва да изградим базата данни и да се свържем с агента, за да извлечем отговори от нея. За да изградите базата данни, е необходимо да изтеглите SQLite, като използвате това ръководство и потвърдете инсталацията, като използвате следната команда:

Изпълнение на горната команда в Терминал на Windows показва инсталираната версия на SQLite (3.43.2):

След това просто се насочете към директорията на вашия компютър, където базата данни ще бъде изградена и съхранена:

Потребителят може просто да изтегли съдържанието на базата данни от това връзка в директорията и изпълнете следната команда, за да изградите базата данни:

Базата данни е успешно изградена и потребителят може да търси данни от нея чрез различни заявки:

Стъпка 5: Качване на база данни

След като базата данни е изградена успешно, качете „.db“ файл към Google Collaboratory, като използвате следния код:

Изберете файла от локалната система, като щракнете върху „Избор на файлове“ бутон след изпълнение на горния код:

След като файлът бъде качен, просто копирайте пътя на файла, който ще се използва в следващата стъпка:

Стъпка 6: Конфигуриране на езиков модел

Изградете езиковия модел, вериги, инструменти и вериги, като използвате следния код:

• The llm променливата съдържа конфигурациите на езиковия модел, използвайки метода ChatOpenAI() с името на модела.
• Търсенето променливата съдържа метода SerpAPIWrapper() за изграждане на инструментите за агента.
• Изградете llm_math_chain за да получите отговорите, свързани с областта на математиката, като използвате метода LLMMathChain().
• Променливата db съдържа пътя на файла, който съдържа съдържанието на базата данни. Потребителят трябва да промени само последната част, която е „съдържание/Chinook.db“ на пътя поддържане на „sqlite:///../../../../../“ същото.
• Изградете друга верига за отговаряне на заявки от базата данни, като използвате db_chain променлива.
• Конфигурирайте инструменти като Търсене , калкулатор , и FooBar-DB за търсене на отговор, отговаряне на математически въпроси и съответно заявки от базата данни:

Стъпка 7: Добавяне на памет

След като конфигурирате функциите на OpenAI, просто изградете и добавете паметта към агента:

Стъпка 8: Инициализиране на агента

Последният компонент за изграждане и инициализиране е агентът, съдържащ всички компоненти като llm , инструмент , OPENAI_FUNCTIONS и други, които да се използват в този процес:

Стъпка 9: Тестване на агента

Накрая тествайте агента, като започнете чата с помощта на „ здрасти ” съобщение:

Добавете малко информация към паметта, като стартирате агента с нея:

Сега тествайте паметта, като зададете въпроса за предишния чат:

Агентът е отговорил с името, извлечено от паметта, така че паметта работи успешно с агента:

Това е всичко за сега.

Заключение

За да добавите памет към агента за функции на OpenAI в LangChain, инсталирайте модулите, за да получите зависимостите за импортиране на библиотеките. След това просто изградете базата данни и я качете в бележника на Python, за да може да се използва с модела. Конфигурирайте модела, инструментите, веригите и базата данни, преди да ги добавите към агента и да го инициализирате. Преди да тествате паметта, изградете паметта с помощта на ConversationalBufferMemory() и я добавете към агента, преди да я тествате. Това ръководство разработи подробно как да добавите памет към агента за функции на OpenAI в LangChain.