Brzi pregled
Ovaj post će pokazati:
Kako implementirati ReAct logiku s pohranom dokumenata u LangChainu
- Instalacija Frameworks
- Pružanje OpenAI API ključa
- Uvoz knjižnica
- Korištenje Wikipedia Explorera
- Testiranje modela
Kako implementirati ReAct logiku s pohranom dokumenata u LangChainu?
Jezični modeli treniraju se na ogromnom skupu podataka napisanih na prirodnim jezicima poput engleskog, itd. Podacima se upravlja i pohranjuju u spremištima dokumenata, a korisnik može jednostavno učitati podatke iz spremišta i trenirati model. Obuka modela može trajati više iteracija jer svaka iteracija čini model učinkovitijim i poboljšanim.
Kako biste naučili proces implementacije ReAct logike za rad s pohranom dokumenata u LangChainu, jednostavno slijedite ovaj jednostavan vodič:
Korak 1: Instalacija Frameworks
Najprije započnite s procesom implementacije ReAct logike za rad s pohranom dokumenata instaliranjem okvira LangChain. Instaliranje okvira LangChain dobit će sve potrebne ovisnosti za dobivanje ili uvoz biblioteka za dovršetak procesa:
pip instalirati langchain
Instalirajte ovisnosti Wikipedije za ovaj vodič jer se može koristiti za rad pohrana dokumenata s ReAct logikom:
pip instaliraj wikipediju
Instalirajte OpenAI module pomoću naredbe pip da biste dobili njegove biblioteke i izgradili modele velikih jezika ili LLM-ove:
pip instaliraj openai
Korak 2: Pružanje OpenAI API ključa
Nakon instaliranja svih potrebnih modula, jednostavno postaviti okruženje pomoću API ključa s OpenAI računa pomoću sljedećeg koda:
uvoz vasuvoz getpass
vas . približno [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API ključ:' )
Korak 3: Uvoz biblioteka
Nakon što je okruženje postavljeno, uvezite biblioteke iz LangChaina koje su potrebne za konfiguraciju ReAct logike za rad sa spremištima dokumenata. Korištenje LangChain agenata za dobivanje DocstoreExplaorera i agenata s njegovim tipovima za konfiguriranje jezičnog modela:
iz langchain. llms uvoz OpenAIiz langchain. docstore uvoz Wikipedia
iz langchain. agenti uvoz inicijalizirati_agent , Alat
iz langchain. agenti uvoz AgentType
iz langchain. agenti . reagirati . baza uvoz DocstoreExplorer
Korak 4: Korištenje Wikipedia Explorera
Konfigurirajte ' docstore ” varijablu s metodom DocstoreExplorer() i pozovite metodu Wikipedia() u njezinom argumentu. Izgradite veliki jezični model koristeći OpenAI metodu s ' tekst-davinci-002 ” nakon postavljanja alata za agenta:
docstore = DocstoreExplorer ( Wikipedia ( ) )alata = [
Alat (
Ime = 'Traži' ,
funk = docstore. traži ,
opis = 'Koristi se za postavljanje upita/upita uz pretraživanje' ,
) ,
Alat (
Ime = 'Pogledaj' ,
funk = docstore. Pogledaj ,
opis = 'Koristi se za postavljanje upita/upita s pretraživanjem' ,
) ,
]
llm = OpenAI ( temperatura = 0 , Ime modela = 'tekst-davinci-002' )
#definiranje varijable konfiguriranjem modela s agentom
reagirati = inicijalizirati_agent ( alata , llm , agent = AgentType. REACT_DOCSTORE , opširno = Pravi )
Korak 5: Testiranje modela
Nakon što je model izgrađen i konfiguriran, postavite niz pitanja i pokrenite metodu s varijablom pitanja u argumentu:
pitanje = 'Koji je admiral američke mornarice surađivao s autorom Davidom Chanoffom'reagirati. trčanje ( pitanje )
Nakon što se varijabla pitanja izvrši, model je razumio pitanje bez ikakvog vanjskog predloška upita ili obuke. Model se automatski obučava pomoću modela prenesenog u prethodnom koraku i generiranja teksta u skladu s tim. ReAct logika radi s pohranama dokumenata kako bi izvukla informacije na temelju pitanja:
Postavite još jedno pitanje iz podataka dostavljenih modelu iz pohrane dokumenata i model će izdvojiti odgovor iz pohrane:
pitanje = 'Autor David Chanoff surađivao je s Williamom J Croweom koji je bio pod kojim predsjednikom?'reagirati. trčanje ( pitanje )
To je sve o implementaciji ReAct logike za rad s pohranom dokumenata u LangChainu.
Zaključak
Da biste implementirali ReAct logiku za rad s pohranom dokumenata u LangChainu, instalirajte module ili okvire za izgradnju jezičnog modela. Nakon toga postavite okruženje za OpenAI za konfiguriranje LLM-a i učitavanje modela iz pohrane dokumenata za implementaciju ReAct logike. Ovaj vodič razradio je implementaciju ReAct logike za rad s pohranom dokumenata.