Ātrā kontūra
Šī ziņa parādīs sekojošo:
- Kā piekļūt aģenta starpposmiem programmā LangChain
- Ietvaru instalēšana
- OpenAI vides iestatīšana
- Bibliotēku importēšana
- Ēka LLM un aģents
- Izmantojot aģentu
- 1. metode: noklusējuma atgriešanas veids, lai piekļūtu starpposmiem
- 2. metode: “izgāztuves” izmantošana, lai piekļūtu starpposmiem
- Secinājums
Kā piekļūt aģenta starpposmiem programmā LangChain?
Lai izveidotu aģentu programmā LangChain, lietotājam ir jākonfigurē tā rīki un veidnes struktūra, lai iegūtu modelī iesaistīto darbību skaitu. Aģents ir atbildīgs par starpposmu, piemēram, domu, darbību, novērojumu utt., automatizāciju. Lai uzzinātu, kā piekļūt aģenta starpposmiem programmā LangChain, vienkārši izpildiet norādītās darbības:
1. darbība: ietvaru instalēšana
Pirmkārt, vienkārši instalējiet LangChain atkarības, Python piezīmju grāmatiņā izpildot šādu kodu:
pip instalēt langchain_experimental
Instalējiet OpenAI moduli, lai iegūtu tā atkarības, izmantojot pip komandu un izmantojiet tās, lai izveidotu valodas modeli:
pip install openai
2. darbība: OpenAI vides iestatīšana
Kad moduļi ir instalēti, iestatiet OpenAI vide izmantojot API atslēgu, kas ģenerēta no tā konta:
imports tu
imports getpass
tu. aptuveni [ 'OPENAI_API_KEY' ] = getpass. getpass ( 'OpenAI API atslēga:' )
3. darbība. Bibliotēku importēšana
Tagad, kad atkarības ir instalētas, izmantojiet tās, lai importētu bibliotēkas no LangChain:
no langchain. aģenti imports load_toolsno langchain. aģenti imports inicializēt_aģents
no langchain. aģenti imports Aģenta veids
no langchain. llms imports OpenAI
4. darbība. LLM un aģenta izveide
Kad bibliotēkas ir importētas, ir pienācis laiks tās izmantot, lai izveidotu aģenta valodas modeli un rīkus. Definējiet llm mainīgo un piešķiriet to ar OpenAI() metodi, kas satur temperatūras un model_name argumentus. ' instrumenti ” mainīgais satur metodi load_tools() ar SerpAPi un llm-math rīkiem un valodas modeli tā argumentā:
llm = OpenAI ( temperatūra = 0 , modeļa_nosaukums = 'text-davinci-002' )instrumenti = load_tools ( [ 'serpapi' , 'llm-math' ] , llm = llm )
Kad valodas modelis un rīki ir konfigurēti, vienkārši izveidojiet aģentu, lai veiktu starpposma darbības, izmantojot valodas modeļa rīkus:
aģents = inicializēt_aģents (instrumenti ,
llm ,
aģents = Aģenta veids. ZERO_SHOT_REACT_DESCRIPTION ,
runīgs = Taisnība ,
atgriešanās_starpposmi = Taisnība ,
)
5. darbība. Aģenta izmantošana
Tagad pārbaudiet aģentu, uzdodot jautājumu aģenta() metodes ievadē un izpildot to:
atbildi = aģents ({
'ievade' : 'Kas ir Leo Di Kaprio draudzene un kāda ir viņu vecuma atšķirība'
}
)
Modele ir strādājusi efektīvi, lai iegūtu Leo Di Kaprio draudzenes vārdu, viņas vecumu, Leo Di Kaprio vecumu un atšķirību starp viņiem. Šajā ekrānuzņēmumā ir parādīti vairāki aģenta meklētie jautājumi un atbildes, lai iegūtu galīgo atbildi:
Iepriekš redzamajā ekrānuzņēmumā nav parādīts aģenta darbs un tas, kā tas sasniedz šo posmu, lai atrastu visas atbildes. Pāriesim uz nākamo sadaļu, lai atrastu darbības:
1. metode: noklusējuma atgriešanas veids, lai piekļūtu starpposmiem
Pirmā metode, kā piekļūt starpposmam, ir izmantot LangChain piedāvāto noklusējuma atgriešanas veidu, izmantojot šādu kodu:
drukāt ( atbildi [ 'starpposma_soļi' ] )Šis GIF parāda starpposmus vienā rindā, kas nav pārāk labs lasāmības aspektā:
2. metode: “izgāztuves” izmantošana, lai piekļūtu starpposmiem
Nākamā metode izskaidro citu veidu, kā iegūt starpposmus, izmantojot LangChain sistēmas izgāztuves bibliotēku. Izmantojiet metodi dumps() ar jauko argumentu, lai padarītu izvadi strukturētāku un vieglāk lasāmu:
no langchain. slodze . izgāztuve imports izgāztuvesdrukāt ( izgāztuves ( atbildi [ 'starpposma_soļi' ] , smuki = Taisnība ) )
Tagad mums ir izvade strukturētākā formā, kas ir viegli lasāma lietotājam. Tā ir arī sadalīta vairākās sadaļās, lai būtu jēgpilnāka, un katrā sadaļā ir norādītas darbības, lai atrastu atbildes uz jautājumiem:
Tas viss attiecas uz piekļuvi aģenta starpposmiem programmā LangChain.
Secinājums
Lai piekļūtu aģenta starpposmiem programmā LangChain, instalējiet moduļus, lai importētu bibliotēkas valodu modeļu veidošanai. Pēc tam iestatiet rīkus, lai inicializētu aģentu, izmantojot rīkus, llm un aģenta veidu, kas var atbildēt uz jautājumiem. Kad aģents ir konfigurēts, pārbaudiet to, lai iegūtu atbildes, un pēc tam izmantojiet bibliotēku Noklusējuma veids vai izgāztuves, lai piekļūtu starpposmiem. Šajā rokasgrāmatā ir aprakstīts process, kā piekļūt aģenta starpposmiem programmā LangChain.