Γρήγορο περίγραμμα
Αυτή η ανάρτηση θα δείξει:
Πώς να εφαρμόσετε τη λογική ReAct με το Document Store στο LangChain
- Εγκατάσταση Frameworks
- Παροχή κλειδιού OpenAI API
- Εισαγωγή Βιβλιοθηκών
- Χρήση του Wikipedia Explorer
- Δοκιμή του μοντέλου
Πώς να εφαρμόσετε τη λογική ReAct με το Document Store στο LangChain;
Τα μοντέλα γλωσσών εκπαιδεύονται σε μια τεράστια δεξαμενή δεδομένων γραμμένων σε φυσικές γλώσσες όπως τα αγγλικά κ.λπ. Η διαχείριση και αποθήκευση των δεδομένων γίνεται στους χώρους αποθήκευσης εγγράφων και ο χρήστης μπορεί απλά να φορτώσει τα δεδομένα από το κατάστημα και να εκπαιδεύσει το μοντέλο. Η εκπαίδευση του μοντέλου μπορεί να λάβει πολλές επαναλήψεις, καθώς κάθε επανάληψη κάνει το μοντέλο πιο αποτελεσματικό και βελτιωμένο.
Για να μάθετε τη διαδικασία εφαρμογής της λογικής ReAct για εργασία με το χώρο αποθήκευσης εγγράφων στο LangChain, απλώς ακολουθήστε αυτόν τον απλό οδηγό:
Βήμα 1: Εγκατάσταση Frameworks
Αρχικά, ξεκινήστε με τη διαδικασία εφαρμογής της λογικής ReAct για εργασία με το χώρο αποθήκευσης εγγράφων εγκαθιστώντας το πλαίσιο LangChain. Η εγκατάσταση του πλαισίου LangChain θα λάβει όλες τις απαιτούμενες εξαρτήσεις για τη λήψη ή την εισαγωγή των βιβλιοθηκών για την ολοκλήρωση της διαδικασίας:
pip install langchain
Εγκαταστήστε τις εξαρτήσεις της Wikipedia για αυτόν τον οδηγό, καθώς μπορεί να χρησιμοποιηθεί για να λειτουργήσουν οι χώροι αποθήκευσης εγγράφων με τη λογική ReAct:
pip εγκατάσταση wikipedia 
Εγκαταστήστε τις λειτουργικές μονάδες OpenAI χρησιμοποιώντας την εντολή pip για να αποκτήσετε τις βιβλιοθήκες της και να δημιουργήσετε μοντέλα μεγάλων γλωσσών ή LLM:
pip εγκατάσταση openai 
Βήμα 2: Παροχή κλειδιού OpenAI API
Αφού εγκαταστήσετε όλες τις απαιτούμενες μονάδες, απλά δημιουργήσει το περιβάλλον χρησιμοποιώντας το κλειδί API από το λογαριασμό OpenAI χρησιμοποιώντας τον ακόλουθο κώδικα:
εισαγωγή εσείςεισαγωγή getpass
εσείς . κατά προσέγγιση [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'Κλειδί OpenAI API:' )
Βήμα 3: Εισαγωγή Βιβλιοθηκών
Μόλις ρυθμιστεί το περιβάλλον, εισαγάγετε τις βιβλιοθήκες από το LangChain που απαιτούνται για τη διαμόρφωση της λογικής ReAct για την εργασία με τους χώρους αποθήκευσης εγγράφων. Χρησιμοποιώντας πράκτορες LangChain για να λάβετε το DocstoreExplaorer και πράκτορες με τους τύπους του για να διαμορφώσετε το μοντέλο γλώσσας:
από langchain. llms εισαγωγή OpenAIαπό langchain. docstore εισαγωγή Βικιπαίδεια
από langchain. πράκτορες εισαγωγή αρχικοποίηση_πράκτορα , Εργαλείο
από langchain. πράκτορες εισαγωγή Τύπος πράκτορα
από langchain. πράκτορες . αντιδρώ . βάση εισαγωγή DocstoreExplorer
Βήμα 4: Χρήση του Wikipedia Explorer
Διαμορφώστε το ' docstore ” μεταβλητή με τη μέθοδο DocstoreExplorer() και καλέστε τη μέθοδο Wikipedia() στο όρισμά της. Δημιουργήστε το μοντέλο της μεγάλης γλώσσας χρησιμοποιώντας τη μέθοδο OpenAI με το ' text-davinci-002 ” μοντέλο μετά τη ρύθμιση των εργαλείων για τον πράκτορα:
docstore = DocstoreExplorer ( Βικιπαίδεια ( ) )εργαλεία = [
Εργαλείο (
όνομα = 'Αναζήτηση' ,
func = docstore. Αναζήτηση ,
περιγραφή = 'Χρησιμοποιείται για την υποβολή ερωτημάτων/προτροπών με την αναζήτηση' ,
) ,
Εργαλείο (
όνομα = 'Ψάχνω' ,
func = docstore. ψάχνω ,
περιγραφή = 'Χρησιμοποιείται για την υποβολή ερωτημάτων/προτροπών με αναζήτηση' ,
) ,
]
llm = OpenAI ( θερμοκρασία = 0 , όνομα μοντέλου = 'text-davinci-002' )
#defining της μεταβλητής διαμορφώνοντας το μοντέλο με τον πράκτορα
αντιδρώ = αρχικοποίηση_πράκτορα ( εργαλεία , llm , μέσο = Τύπος πράκτορα. REACT_DOCSTORE , πολύλογος = Αληθής )
Βήμα 5: Δοκιμή του μοντέλου
Μόλις κατασκευαστεί και διαμορφωθεί το μοντέλο, ορίστε τη συμβολοσειρά ερώτησης και εκτελέστε τη μέθοδο με τη μεταβλητή ερώτηση στο όρισμά της:
ερώτηση = 'Ποιος ναύαρχος του Ναυτικού των ΗΠΑ συνεργάστηκε με τον συγγραφέα David Chanoff'αντιδρώ. τρέξιμο ( ερώτηση )
Μόλις εκτελεστεί η μεταβλητή ερώτηση, το μοντέλο έχει κατανοήσει την ερώτηση χωρίς κανένα εξωτερικό πρότυπο προτροπής ή εκπαίδευση. Το μοντέλο εκπαιδεύεται αυτόματα χρησιμοποιώντας το μοντέλο που μεταφορτώθηκε στο προηγούμενο βήμα και δημιουργείται κείμενο ανάλογα. Η λογική ReAct συνεργάζεται με τους χώρους αποθήκευσης εγγράφων για την εξαγωγή πληροφοριών με βάση την ερώτηση:
Κάντε μια άλλη ερώτηση από τα δεδομένα που παρέχονται στο μοντέλο από τις εγκαταστάσεις αποθήκευσης εγγράφων και το μοντέλο θα εξαγάγει την απάντηση από το κατάστημα:
ερώτηση = 'Ο συγγραφέας Ντέιβιντ Τσάνοφ συνεργάστηκε με τον Γουίλιαμ Τζέι Κρόου που υπηρέτησε υπό ποιον Πρόεδρο;'αντιδρώ. τρέξιμο ( ερώτηση )
Αυτό αφορά την εφαρμογή της λογικής ReAct για την εργασία με το κατάστημα εγγράφων στο LangChain.
συμπέρασμα
Για να εφαρμόσετε τη λογική ReAct για εργασία με το χώρο αποθήκευσης εγγράφων στο LangChain, εγκαταστήστε τις μονάδες ή τα πλαίσια για τη δημιουργία του μοντέλου γλώσσας. Μετά από αυτό, ρυθμίστε το περιβάλλον για το OpenAI για τη διαμόρφωση του LLM και τη φόρτωση του μοντέλου από το χώρο αποθήκευσης εγγράφων για την εφαρμογή της λογικής ReAct. Αυτός ο οδηγός έχει επεξεργαστεί την εφαρμογή της λογικής ReAct για εργασία με το χώρο αποθήκευσης εγγράφων.