Ξεκινώντας με αντιπροσώπους στο LangChain;

Xekinontas Me Antiprosopous Sto Langchain



Το LangChain είναι το πλαίσιο για την επίλυση της Επεξεργασίας Φυσικής Γλώσσας για τη δημιουργία εφαρμογών ή λογισμικού που μπορούν να αλληλεπιδρούν και να συνομιλούν με τους ανθρώπους. Τα chatbots ή τα μοντέλα μεγάλων γλωσσών (LLM) έχουν σχεδιαστεί για να δημιουργούν ένα περιβάλλον που μπορεί να λειτουργήσει ως διεπαφή για συνομιλία/συνομιλία. Αυτές οι συνομιλίες διεξάγονται σε ανθρώπινες γλώσσες που ονομάζονται φυσικές γλώσσες, όπως αγγλικά, κ.λπ. μεταξύ ανθρώπων και ενός μοντέλου AI.

Γρήγορο περίγραμμα

Αυτή η ανάρτηση θα δείξει τα εξής:







Τι είναι οι παράγοντες στην επεξεργασία φυσικής γλώσσας (NLP)



Ξεκινώντας με Αντιπροσώπους στο LangChain



συμπέρασμα





Τι είναι οι Agents in Natural Language Processing (NLP);

Οι πράκτορες είναι τα ζωτικά στοιχεία της εφαρμογής φυσικής γλώσσας και χρησιμοποιούν την Κατανόηση Φυσικής Γλώσσας (NLU) για την κατανόηση των ερωτημάτων. Αυτοί οι πράκτορες είναι προγράμματα που λειτουργούν σαν πρότυπο συνομιλίας για αλληλεπίδραση με ανθρώπους χρησιμοποιώντας την ακολουθία εργασιών. Οι πράκτορες χρησιμοποιούν πολλά εργαλεία που μπορούν να κληθούν από τον πράκτορα για να εκτελέσουν πολλαπλές ενέργειες ή να καθορίσουν την επόμενη εργασία που θα εκτελεστεί.

Ξεκινώντας με Αντιπροσώπους στο LangChain

Ξεκινήστε τη διαδικασία δημιουργίας πρακτόρων για να έχετε μια συνομιλία με ανθρώπους εξάγοντας αποτελέσματα χρησιμοποιώντας τους πράκτορες στο LangChain. Για να μάθετε τη διαδικασία έναρξης με τους πράκτορες στο LangChain, απλώς ακολουθήστε τα παρακάτω βήματα:



Βήμα 1: Εγκατάσταση Frameworks

Αρχικά, ξεκινήστε με τη διαδικασία εγκατάστασης του πλαισίου LangChain χρησιμοποιώντας το ' κουκούτσι Εντολή ” για να λάβετε τις απαιτούμενες εξαρτήσεις για τη χρήση πρακτόρων:

pip install langchain

Εγκαταστήστε τη λειτουργική μονάδα OpenAI για τη δημιουργία του LLM και χρησιμοποιήστε την για να διαμορφώσετε τους πράκτορες στο LangChain:

pip εγκατάσταση openai

Ρυθμίστε το περιβάλλον για τη λειτουργική μονάδα OpenAI χρησιμοποιώντας το κλειδί API από τον λογαριασμό εκτελώντας τον ακόλουθο κώδικα:

εισαγωγή εσείς
εισαγωγή getpass

εσείς . κατά προσέγγιση [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'Κλειδί OpenAI API:' )

Βήμα 2: Διαμόρφωση μοντέλου συνομιλίας

Εισαγάγετε τη λειτουργική μονάδα ChatOpenAI από το LangChain για να δημιουργήσετε το LLM χρησιμοποιώντας τη λειτουργία του:

από langchain. chat_models εισαγωγή ChatOpenAI

llm = ChatOpenAI ( θερμοκρασία = 0 )

Εισαγάγετε εργαλεία για τον πράκτορα για τη διαμόρφωση των εργασιών ή των ενεργειών που απαιτούνται να εκτελεστούν από τον πράκτορα. Ο παρακάτω κώδικας χρησιμοποιεί τη μέθοδο get_word_length() για να πάρει το μήκος της λέξης που παρέχεται από τον χρήστη:

από langchain. πράκτορες εισαγωγή εργαλείο

@ εργαλείο

def get_word_length ( λέξη: str ) - > ενθ :

'''καταλαβαίνω το μήκος της λέξης'''

ΕΠΙΣΤΡΟΦΗ μόνο ( λέξη )

εργαλεία = [ get_word_length ]

Διαμορφώστε το πρότυπο ή τη δομή για το μοντέλο συνομιλίας για να δημιουργήσετε μια διεπαφή για την πραγματοποίηση συνομιλίας:

από langchain. προτρέπει εισαγωγή ChatPromptTemplate , MessagesPlaceholder

προτροπή = ChatPromptTemplate. from_messages ( [

( 'Σύστημα' , 'Ο βοηθός σας είναι καταπληκτικός, αλλά χρειάζεται βελτίωση στον υπολογισμό των μηκών' ) ,

( 'χρήστης' , '{εισαγωγή}' ) ,

MessagesPlaceholder ( variable_name = 'agent_scratchpad' ) ,

] )

Βήμα 3: Building Agent

Εισαγάγετε τη βιβλιοθήκη εργαλείων για τη δημιουργία του LLM με εργαλεία χρησιμοποιώντας τις λειτουργίες OpenAI από τη λειτουργική μονάδα LangChain:

από langchain. εργαλεία . καθιστώ εισαγωγή format_tool_to_openai_function

llm_with_tools = llm. δένω (

λειτουργίες = [ format_tool_to_openai_function ( t ) Για t σε εργαλεία ]

)

Διαμορφώστε τον πράκτορα χρησιμοποιώντας τον παράγοντα συνάρτησης OpenAI για χρήση του αναλυτή εξόδου για να ορίσετε τις ακολουθίες ενεργειών/εργασιών:

από langchain. πράκτορες . format_scratchpad εισαγωγή format_to_openai_functions

από langchain. πράκτορες . output_parsers εισαγωγή OpenAIFunctionsAgentOutputParser

μέσο = {

'εισαγωγή' : λάμδα x: x [ 'εισαγωγή' ] ,

'agent_scratchpad' : λάμδα x: format_to_openai_functions ( Χ [ 'intermediate_steps' ] )

} | προτροπή | llm_with_tools | OpenAIFunctionsAgentOutputParser ( )

Βήμα 4: Επίκληση του Agent

Το επόμενο βήμα χρησιμοποιεί τη συνάρτηση invoke() για να καλέσει τον πράκτορα χρησιμοποιώντας τα ορίσματα input και intermediate_steps:

μέσο. επικαλούμαι ( {

'εισαγωγή' : 'Πόσα γράμματα στη λέξη καλό' ,

'intermediate_steps' : [ ]

} )

Βήμα 5: Διαμόρφωση Εργαλείων Agent

Μετά από αυτό, απλώς εισαγάγετε τη βιβλιοθήκη AgentFinish για να διαμορφώσετε τα intermediate_steps ενσωματώνοντας όλα τα βήματα σε μια σειρά για να ολοκληρώσετε τη δραστηριότητα:

από langchain. σχήμα . μέσο εισαγωγή AgentFinish
ενδιάμεσα_βήματα = [ ]
ενώ Αληθής :
παραγωγή = μέσο. επικαλούμαι ( {
'εισαγωγή' : 'Τα γράμματα σε καλό' ,
'intermediate_steps' : ενδιάμεσα_βήματα
} )
αν παράδειγμα ( παραγωγή , AgentFinish ) :
τελικό αποτέλεσμα = παραγωγή. επιστροφές_αξίες [ 'παραγωγή' ]
Διακοπή
αλλού :
Τυπώνω ( παραγωγή. εργαλείο , παραγωγή. εργαλείο_εισαγωγής )
εργαλείο = {
'get_word_length' : get_word_length
} [ παραγωγή. εργαλείο ]
παρατήρηση = εργαλείο. τρέξιμο ( παραγωγή. εργαλείο_εισαγωγής )
ενδιάμεσα_βήματα. προσαρτώ ( ( παραγωγή , παρατήρηση ) )
Τυπώνω ( τελικό αποτέλεσμα )

Βήμα 6: Δοκιμή του Agent

Τώρα, εκτελέστε τον πράκτορα καλώντας τη μέθοδο AgentExecutor() μετά την εισαγωγή της βιβλιοθήκης του από το LangChain:

από langchain. πράκτορες εισαγωγή AgentExecutor

agent_executor = AgentExecutor ( μέσο = μέσο , εργαλεία = εργαλεία , πολύλογος = Αληθής )

Στο τέλος, καλέστε τον agent_executor με το όρισμα εισόδου για να εισαγάγετε το ερώτημα για τον πράκτορα:

agent_executor. επικαλούμαι ( { 'εισαγωγή' : 'Πόσα γράμματα στη λέξη καλό' } )

Ο πράκτορας έχει εμφανίσει την απάντηση στην ερώτηση που παρέχεται στο όρισμα εισαγωγής μετά την ολοκλήρωση της αλυσίδας:

Όλα αυτά αφορούν το ξεκίνημα με τους πράκτορες στο πλαίσιο LangChain.

συμπέρασμα

Για να ξεκινήσετε με τους πράκτορες στο LangChain, απλώς εγκαταστήστε τις λειτουργικές μονάδες που απαιτούνται για τη ρύθμιση του περιβάλλοντος χρησιμοποιώντας το κλειδί OpenAI API. Μετά από αυτό, διαμορφώστε το μοντέλο συνομιλίας ρυθμίζοντας το πρότυπο προτροπής για τη δημιουργία του πράκτορα με την ακολουθία των ενδιάμεσων βημάτων. Μόλις διαμορφωθεί ο παράγοντας, απλώς δημιουργήστε τα εργαλεία προσδιορίζοντας τις εργασίες αφού δώσετε τη συμβολοσειρά εισόδου στον χρήστη. Αυτό το ιστολόγιο έχει δείξει τη διαδικασία χρήσης των πρακτόρων στο LangChain.