Τα μοντέλα μεγάλων γλωσσών ή LLM είναι ένα ισχυρό είδος αλγορίθμου νευρωνικών δικτύων για τη δημιουργία chatbots που ανακτούν δεδομένα χρησιμοποιώντας εντολές σε φυσικές γλώσσες. Τα LLM επιτρέπουν στις μηχανές/υπολογιστές να κατανοούν καλύτερα τη φυσική γλώσσα και να δημιουργούν γλώσσα όπως οι άνθρωποι. Η ενότητα LangChain λειτουργεί επίσης για τη δημιουργία μοντέλων NLP. Ωστόσο, δεν έχει το LLM του, αλλά επιτρέπει την αλληλεπίδραση με πολλά διαφορετικά LLM.
Αυτός ο οδηγός θα εξηγήσει τη διαδικασία αλληλεπίδρασης με μοντέλα μεγάλων γλωσσών χρησιμοποιώντας το LangChain.
Πώς να αλληλεπιδράσετε με LLM χρησιμοποιώντας το LangChain;
Για να αλληλεπιδράσετε με LLM χρησιμοποιώντας το LangChain, απλώς ακολουθήστε αυτόν τον απλό οδηγό βήμα προς βήμα με παραδείγματα:
Εγκαταστήστε ενότητες για αλληλεπίδραση με LLM
Πριν ξεκινήσετε τη διαδικασία αλληλεπίδρασης με LLM χρησιμοποιώντας το LangChain, εγκαταστήστε το ' langchain ' ενότητα χρησιμοποιώντας τον ακόλουθο κώδικα:
κουκούτσι εγκαθιστώ langchain
Για να εγκαταστήσετε το πλαίσιο OpenAI, χρησιμοποιήστε το κλειδί API του για αλληλεπίδραση με LLM μέσω του ακόλουθου κώδικα:
Τώρα, εισαγωγή ' εσείς ' και ' getpass ” για να χρησιμοποιήσετε το κλειδί OpenAI API μετά την εκτέλεση του κώδικα:
εισάγετε μας
εισαγωγή getpass
os.περιβάλλον [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Κλειδί API OpenAI:' )
Καλώντας το LLM
Εισαγάγετε τη βιβλιοθήκη OpenAI από τη μονάδα LangChain για να εκχωρήσετε τη λειτουργία της στο ' llm ' μεταβλητή:
από το langchain.llms εισαγωγή OpenAIllm = OpenAI ( )
Μετά από αυτό, απλά καλέστε το ' llm Συνάρτηση ” και το ερώτημα προτροπής ως παράμετρός της:
Δημιουργήστε πολλαπλά κείμενα χρησιμοποιώντας LLM
Χρησιμοποιήστε τη μέθοδο generate() με πολλές προτροπές σε φυσική γλώσσα για να δημιουργήσετε το κείμενο από το LLM και να το αποθηκεύσετε στο ' llm_result ' μεταβλητή:
llm_result = llm.δημιουργώ ( [ 'Θέλω να ακούσω ένα αστείο' , 'Γράψε ένα ποίημα' ] * δεκαπέντε )
Λάβετε το μήκος των αντικειμένων που είναι αποθηκευμένα στο ' llm_result ” μεταβλητή χρησιμοποιώντας τη συνάρτηση generate():
Απλώς καλέστε τη μεταβλητή με τον αριθμό ευρετηρίου των αντικειμένων:
Το ακόλουθο στιγμιότυπο οθόνης εμφανίζει το κείμενο που είναι αποθηκευμένο στο ' llm_result ' μεταβλητή στον δείκτη 0 της που δημιουργεί το αστείο:
Χρησιμοποιήστε τη μέθοδο Generations() με την παράμετρο index -1 για να δημιουργήσετε το ποίημα που τοποθετείται στη μεταβλητή llm_result:
Απλώς εμφανίστε το παραγόμενο αποτέλεσμα στη μεταβλητή αποτελέσματος για να λάβετε τις συγκεκριμένες πληροφορίες του παρόχου που δημιουργούνται στο προηγούμενο LLM χρησιμοποιώντας τη συνάρτηση που δημιουργήθηκε:
Αυτό αφορά την αλληλεπίδραση με LLM χρησιμοποιώντας το πλαίσιο LangChain για τη δημιουργία φυσικής γλώσσας.
συμπέρασμα
Για να αλληλεπιδράσετε με μοντέλα μεγάλων γλωσσών χρησιμοποιώντας το LangChain, απλώς εγκαταστήστε πλαίσια όπως το LangChain και το OpenAI για να εισάγετε βιβλιοθήκες για LLM. Μετά από αυτό, δώστε το κλειδί OpenAI API για χρήση ως LLM για την κατανόηση ή τη δημιουργία της φυσικής γλώσσας. Χρησιμοποιήστε το LLM για τη γραμμή εισόδου σε φυσική γλώσσα και στη συνέχεια καλέστε το για να δημιουργήσετε κείμενο με βάση την εντολή. Αυτός ο οδηγός έχει εξηγήσει τη διαδικασία αλληλεπίδρασης με τα μεγάλα γλωσσικά μοντέλα χρησιμοποιώντας ενότητες LangChain.