Как да стартирате LLMChains в LangChain?

LangChain е рамката, която позволява на разработчиците да създават големи езикови модели или чат модели, които могат да се използват от хората за извличане на информация. Тези модели могат да се използват за взаимодействие на естествени езици, след разбиране на командите за съответно генериране на текстове. LLM или chatbots използват вериги, за да взаимодействат с хората, като съхраняват предишните съобщения като наблюдения, за да получат контекста на чата.

Това ръководство ще илюстрира процеса на стартиране на LLMChains в LangChain.

Как да стартирате LLMChains в LangChain?

LangChain предоставя функциите или зависимостите за изграждане на LLMChains с помощта на LLM/Chatbots и шаблони за подкани. За да научите процеса на изграждане и стартиране на LLMChains в LangChain, просто следвайте следното поетапно ръководство:

Стъпка 1: Инсталирайте пакети

Първо, започнете с процеса, като инсталирате модула LangChain, за да получите неговите зависимости за изграждане и стартиране на LLMChains:

pip инсталирайте langchain

Инсталирайте рамката OpenAI с помощта на командата pip, за да накарате библиотеките да използват функцията OpenAI() за изграждане на LLM:

pip инсталирайте openai

След инсталирането на модулите, просто настройте средата променливи с помощта на API ключа от OpenAI акаунта:

импортиране Вие

импортиране getpass

Вие . приблизително [ „OPENAI_API_KEY“ ] = getpass . getpass ( „API ключ на OpenAI:“ )

Стъпка 2: Импортирайте библиотеки

След като настройката приключи и всички необходими пакети са инсталирани, импортирайте необходимите библиотеки за изграждане на шаблона за подкана. След това просто изградете LLM с помощта на метода OpenAI() и конфигурирайте LLMChain с помощта на LLM и шаблона за подкана:

от Langchain импортиране PromptTemplate

от Langchain импортиране OpenAI

от Langchain импортиране LLMChain

prompt_template = 'дайте ми добро заглавие за бизнес, който прави {product}?'

llm = OpenAI ( температура = 0 )

llm_chain = LLMChain (

llm = llm ,

подкана = PromptTemplate. от_шаблон ( prompt_template )

)

llm_chain ( 'цветни дрехи' )

Стъпка 3: Пускане на вериги

Вземете входния списък, съдържащ различни продукти, произведени от бизнеса, и стартирайте веригата, за да покажете списъка на екрана:

input_list = [
{ 'продукт' : 'чорапи' } ,
{ 'продукт' : 'компютър' } ,
{ 'продукт' : 'обувки' }
]

llm_chain. Приложи ( input_list )

Стартирайте метода generate(), като използвате input_list с LLMChains, за да получите изхода, свързан с разговора, генериран от модела:

llm_chain. генерирам ( input_list )

Стъпка 4: Използване на единичен вход

Добавете друг продукт, за да стартирате LLMChains, като използвате само един вход и след това предскажете, че LLMChain ще генерира изхода:

llm_chain. прогнозирам ( продукт = 'цветни чорапи' )

Стъпка 5: Използване на множество входове

Сега изградете шаблона за използване на множество входове за предоставяне на командата към модела, преди да стартирате веригата:

шаблон = '''Разкажи ми {adjective} виц за {subject}.'''
подкана = PromptTemplate ( шаблон = шаблон , входни_променливи = [ 'прилагателно' , 'предмет' ] )
llm_chain = LLMChain ( подкана = подкана , llm = OpenAI ( температура = 0 ) )

llm_chain. прогнозирам ( прилагателно = 'тъжен' , предмет = 'патици' )

Стъпка 6: Използване на изходен анализатор

Тази стъпка използва метода на изходния анализатор, за да стартира LLMChain, за да получи изхода въз основа на подканата:

от Langchain. изходни анализатори импортиране CommaSeparatedListOutputParser

изходен_парсер = CommaSeparatedListOutputParser ( )

шаблон = '''Избройте всички цветове в дъга'''

подкана = PromptTemplate ( шаблон = шаблон , входни_променливи = [ ] , изходен_парсер = изходен_парсер )

llm_chain = LLMChain ( подкана = подкана , llm = llm )

llm_chain. прогнозирам ( )

Използването на метода parse() за получаване на изхода ще генерира разделен със запетаи списък на всички цветове в дъгата:

llm_chain. прогнозиране_и_разбор ( )

Стъпка 7: Инициализиране от низове

Тази стъпка обяснява процеса на използване на низ като подкана за стартиране на LLMChain с помощта на LLM модел и шаблон:

шаблон = '''Разкажи ми {adjective} виц за {subject}'''

llm_chain = LLMChain. от_низ ( llm = llm , шаблон = шаблон )

Осигурете стойностите на променливите в подканата за низ, за да получите изхода от модела, като стартирате LLMChain:

llm_chain. прогнозирам ( прилагателно = 'тъжен' , предмет = 'патици' )

Това е всичко за пускането на LLMChains с помощта на рамката LangChain.

Заключение

За да създадете и стартирате LLMChains в LangChain, инсталирайте предпоставките като пакети и настройте средата с помощта на API ключа на OpenAI. След това импортирайте необходимите библиотеки за конфигуриране на шаблона за подкана и модела за изпълнение на LLMChain с помощта на зависимостите на LangChain. Потребителят може да използва изходни анализатори и низови команди, за да стартира LLMChains, както е показано в ръководството. Това ръководство разработи подробно целия процес на стартиране на LLMChains в LangChain.

Как да стартирате LLMChains в LangChain?