Šī rokasgrāmata ilustrēs LLMChains palaišanas procesu LangChain.
Kā palaist LLMChains programmā LangChain?
LangChain nodrošina līdzekļus vai atkarības LLMChains veidošanai, izmantojot LLM/Chatbots un uzvedņu veidnes. Lai uzzinātu LLMChains izveides un palaišanas procesu LangChain, vienkārši izpildiet šo pakāpenisko rokasgrāmatu:
1. darbība: instalējiet pakotnes
Vispirms sāciet ar procesu, instalējot LangChain moduli, lai iegūtu tā atkarības no LLMChains izveides un darbināšanas:
pip instalēt langchain
Instalējiet OpenAI ietvaru, izmantojot komandu pip, lai bibliotēkas izmantotu OpenAI() funkciju LLM veidošanai:
pip install openai
Pēc moduļu uzstādīšanas vienkārši iekārtot vidi mainīgie, izmantojot API atslēgu no OpenAI konta:
imports tu
imports getpass
tu . aptuveni [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API atslēga:' )
2. darbība. Importējiet bibliotēkas
Kad iestatīšana ir pabeigta un visas nepieciešamās pakotnes ir instalētas, importējiet vajadzīgās bibliotēkas, lai izveidotu uzvednes veidni. Pēc tam vienkārši izveidojiet LLM, izmantojot OpenAI() metodi, un konfigurējiet LLMChain, izmantojot LLM un uzvednes veidni:
no langchain imports PromptTemplateno langchain imports OpenAI
no langchain imports LLMChain
prompt_template = 'Dodiet man labu nosaukumu uzņēmumam, kas ražo {product}?'
llm = OpenAI ( temperatūra = 0 )
llm_chain = LLMChain (
llm = llm ,
pamudināt = PromptTemplate. from_template ( prompt_template )
)
llm_chain ( 'krāsainas drēbes' )
3. darbība: ķēžu palaišana
Iegūstiet ievades sarakstu ar dažādiem uzņēmuma ražotiem produktiem un palaidiet ķēdi, lai parādītu sarakstu ekrānā:
ievades_saraksts = [{ 'produkts' : 'zeķes' } ,
{ 'produkts' : 'dators' } ,
{ 'produkts' : 'kurpes' }
]
llm_chain. pieteikties ( ievades_saraksts )
Palaidiet ģenerēšanas () metodi, izmantojot ievades_saraksts ar LLMChains, lai iegūtu ar modeļa ģenerēto sarunu saistīto izvadi:
llm_chain. ģenerēt ( ievades_saraksts )
4. darbība: vienas ievades izmantošana
Pievienojiet citu produktu, lai palaistu LLMChains, izmantojot tikai vienu ievadi, un pēc tam prognozējiet, ka LLMChain ģenerēs izvadi:
llm_chain. prognozēt ( produkts = 'krāsainas zeķes' )5. darbība: vairāku ieeju izmantošana
Tagad izveidojiet veidni, lai izmantotu vairākas ievades komandas nodrošināšanai modelim pirms ķēdes palaišanas:
veidne = '''Pastāsti man joku {īpašības vārds} par {subject}.'''pamudināt = PromptTemplate ( veidne = veidne , ievades_mainīgie = [ 'īpašības vārds' , 'tēma' ] )
llm_chain = LLMChain ( pamudināt = pamudināt , llm = OpenAI ( temperatūra = 0 ) )
llm_chain. prognozēt ( īpašības vārds = 'skumji' , priekšmets = 'pīles' )
6. darbība. Izvades parsētāja izmantošana
Šajā darbībā tiek izmantota izvades parsētāja metode, lai palaistu LLMChain, lai iegūtu izvadi, pamatojoties uz uzvedni:
no langchain. izvades_parsers imports CommaSeparatedListOutputParserizvades_parsētājs = CommaSeparatedListOutputParser ( )
veidne = '''Uzskaitiet visas krāsas varavīksnē'''
pamudināt = PromptTemplate ( veidne = veidne , ievades_mainīgie = [ ] , izvades_parsētājs = izvades_parsētājs )
llm_chain = LLMChain ( pamudināt = pamudināt , llm = llm )
llm_chain. prognozēt ( )
Izmantojot parse() metodi, lai iegūtu izvadi, tiks izveidots ar komatu atdalīts visu varavīksnes krāsu saraksts:
llm_chain. prognozēt_un_parsēt ( )
7. darbība: inicializācija no virknēm
Šajā darbībā ir izskaidrots, kā izmantot virkni kā uzvedni, lai palaistu LLMChain, izmantojot LLM modeli un veidni:
veidne = '''Pastāsti man joku {īpašības vārds} par {subject}'''llm_chain = LLMChain. no_string ( llm = llm , veidne = veidne )
Norādiet mainīgo vērtības virknes uzvednē, lai iegūtu modeļa izvadi, palaižot LLMChain:
llm_chain. prognozēt ( īpašības vārds = 'skumji' , priekšmets = 'pīles' )Tas ir viss par LLMChains palaišanu, izmantojot LangChain sistēmu.
Secinājums
Lai izveidotu un palaistu LLMChains programmā LangChain, instalējiet tādus priekšnosacījumus kā pakotnes un iestatiet vidi, izmantojot OpenAI API atslēgu. Pēc tam importējiet vajadzīgās bibliotēkas, lai konfigurētu uzvednes veidni un modeli LLMChain palaišanai, izmantojot LangChain atkarības. Lietotājs var izmantot izvades parsētājus un virkņu komandas, lai palaistu LLMChains, kā parādīts rokasgrāmatā. Šajā rokasgrāmatā ir aprakstīts viss LLMChains palaišanas process LangChain.