See juhend illustreerib LangChain Hubist kettide laadimise protsessi.
Kuidas lisada ahelasse mälu olekut LangChaini abil?
Mälu olekut saab kasutada kettide lähtestamiseks, kuna see võib viidata ahelatesse salvestatud hiljutisele väärtusele, mida kasutatakse väljundi tagastamisel. LangChaini raamistiku abil kettides mäluoleku lisamise protsessi õppimiseks lugege lihtsalt läbi see lihtne juhend:
1. samm: installige moodulid
Esiteks sisenege protsessi, installides LangChaini raamistiku koos selle sõltuvustega, kasutades käsku pip:
pip install langchain
Installige ka OpenAI moodul, et saada selle teegid, mida saab kasutada ahelasse mälu oleku lisamiseks:
pip install openai
Hankige OpenAI kontolt API võti ja seada keskkonda kasutades seda nii, et kettidel oleks sellele juurdepääs:
importida sina
importida saada pass
sina . umbes [ 'OPENAI_API_KEY' ] = saada pass . saada pass ( 'OpenAI API võti:' )
See samm on koodi õigeks toimimiseks oluline.
2. samm: importige teegid
Pärast keskkonna seadistamist importige lihtsalt mälu oleku lisamiseks teegid, nagu LLMChain, ConversationBufferMemory ja palju muud:
alates langchain. ketid importida Vestlusahelalates langchain. mälu importida ConversationBufferMemory
alates langchain. chat_models importida ChatOpenAI
alates langchain. ketid . llm importida LLMChain
alates langchain. viipasid importida PromptMall
3. samm: kettide ehitamine
Nüüd looge lihtsalt LLM-i jaoks ketid, kasutades OpenAI() meetodit ja viipa malli, kasutades ahela kutsumiseks päringut:
vestlus = ChatOpenAI ( temperatuuri = 0 )prompt_template = 'Kirjutage {style} nalja'
llm_chain = LLMChain ( llm = vestlus , viip = PromptMall. from_template ( prompt_template ) )
llm_chain ( sisendid = { 'stiil' : 'korny' } )
Mudel on kuvanud väljundi LLM-mudeli abil, nagu on näidatud alloleval ekraanipildil:
4. samm: mälu oleku lisamine
Siin lisame ahelasse mälu oleku, kasutades meetodit ConversationBufferMemory() ja käivitame ahela, et saada vikerkaarest kolm värvi:
vestlus = Vestlusahel (llm = vestlus ,
mälu = ConversationBufferMemory ( )
)
vestlus. jooksma ( 'Andke lühidalt vikerkaare 3 värvi' )
Mudelil on kuvatud ainult kolm vikerkaarevärvi ja kontekst on salvestatud keti mällu:
Siin juhime ketti mitmetähendusliku käsuga ' muud 4? ” seega saab mudel ise mälust konteksti ja kuvab ülejäänud vikerkaarevärvid:
vestlus. jooksma ( 'muud 4?' )Mudel on teinud täpselt seda, kuna ta mõistis konteksti ja tagastas ülejäänud neli värvi vikerkaarekomplektist:
See kõik puudutab LangChain Hubi laadimiskettide laadimist.
Järeldus
Mälu lisamiseks ahelatesse LangChaini raamistiku abil installige lihtsalt moodulid, et seadistada keskkond LLM-i ehitamiseks. Pärast seda importige LLM-i kettide loomiseks vajalikud teegid ja lisage sellele mälu olek. Pärast mälu oleku ahelasse lisamist andke ahelale lihtsalt käsk väljundi saamiseks ja seejärel õige vastuse saamiseks teine käsk eelmise kontekstis. See postitus on üksikasjalikult käsitlenud mälu oleku lisamise protsessi ahelatesse, kasutades LangChaini raamistikku.