Kiire ülevaade
See postitus näitab järgmist:
- Kuidas pääseda juurde LangChainis agendi vaheastmetele
- Raamistiku installimine
- OpenAI keskkonna seadistamine
- Teekide importimine
- Ehitus LLM ja agent
- Agendi kasutamine
- 1. meetod: vaikimisi tagastustüüp, et pääseda juurde vaheetappidele
- 2. meetod: vaheetappidele juurdepääsu saamiseks kasutage prügimägesid
- Järeldus
Kuidas pääseda juurde LangChainis agendi vaheastmetele?
Agendi loomiseks LangChainis peab kasutaja konfigureerima selle tööriistad ja malli struktuuri, et saada mudelisse kaasatud sammude arv. Agent vastutab vahesammude, nagu mõtted, tegevused, vaatlused jne, automatiseerimise eest. Et saada teada, kuidas pääseda LangChainis agendi vahesammudele, järgige lihtsalt loetletud samme:
1. samm: raamistike installimine
Kõigepealt installige lihtsalt LangChaini sõltuvused, käivitades Pythoni märkmikus järgmise koodi:
pip install langchain_experimental
Installige OpenAI moodul, et saada selle sõltuvused, kasutades pip käsk ja kasutage neid keelemudeli koostamiseks:
pip install openai
2. samm: OpenAI keskkonna seadistamine
Kui moodulid on installitud, seadistage OpenAI keskkond kasutades oma kontolt loodud API-võtit:
importida sina
importida saada pass
sina. umbes [ 'OPENAI_API_KEY' ] = saada pass. saada pass ( 'OpenAI API võti:' )
3. samm: teekide importimine
Nüüd, kui meil on sõltuvused installitud, kasutage neid teekide importimiseks LangChainist:
langchainist. agendid importida load_toolslangchainist. agendid importida initsialiseeri_agent
langchainist. agendid importida Agendi tüüp
langchainist. llms importida OpenAI
4. samm: looge LLM ja agent
Kui teegid on imporditud, on aeg neid kasutada agendi keelemudeli ja tööriistade koostamiseks. Määratlege muutuja llm ja määrake see OpenAI() meetodiga, mis sisaldab argumente temperatuur ja mudeli_nimi. ' tööriistad ” muutuja sisaldab meetodit load_tools() koos SerpAPi ja llm-matemaatika tööriistadega ning argumendis keelemudelit:
llm = OpenAI ( temperatuuri = 0 , mudeli nimi = 'text-davinci-002' )tööriistad = load_tools ( [ 'serpapi' , 'llm-matemaatika' ] , llm = llm )
Kui keelemudel ja tööriistad on konfigureeritud, kujundage lihtsalt agent vahetoimingute tegemiseks keelemudeli tööriistade abil.
agent = initsialiseeri_agent (tööriistad ,
llm ,
agent = Agendi tüüp. ZERO_SHOT_REACT_DESCRIPTION ,
paljusõnaline = Tõsi ,
tagastamise_vahesammud = Tõsi ,
)
5. samm: agendi kasutamine
Nüüd pange agent proovile, esitades agent() meetodi sisendis küsimuse ja käivitades selle:
vastuseks = agent ({
'sisend' : 'Kes on Leo DiCaprio tüdruksõber ja milline on nende vanusevahe'
}
)
Modell on Leo DiCaprio tüdruksõbra nime, tema vanuse, Leo DiCaprio vanuse ja nendevahelise erinevuse väljaselgitamiseks töötanud tõhusalt. Järgmisel ekraanipildil kuvatakse mitmed küsimused ja vastused, mida agent lõpliku vastuse saamiseks otsis:
Ülaltoodud ekraanipilt ei näita agendi tööd ja seda, kuidas ta jõuab kõigi vastuste leidmiseks sellesse etappi. Liigume sammude leidmiseks järgmise jaotise juurde.
1. meetod: vaikimisi tagastustüüp, et pääseda juurde vaheetappidele
Esimene viis vaheetapi juurde pääsemiseks on LangChaini pakutava vaiketagastustüübi kasutamine, kasutades järgmist koodi:
printida ( vastuseks [ 'vahesammud' ] )Järgmine GIF kuvab vahepealsed sammud ühel real, mis pole loetavuse osas päris hea:
2. meetod: vaheetappidele juurdepääsu saamiseks kasutage prügimägesid
Järgmine meetod selgitab veel ühte võimalust vahepealsete sammude hankimiseks LangChaini raamistiku tühjendusteegi abil. Kasutage meetodit dumps() koos ilusa argumendiga, et muuta väljund struktureeritumaks ja hõlpsamini loetavaks:
langchainist. koormus . prügimäele importida prügimäedprintida ( prügimäed ( vastuseks [ 'vahesammud' ] , ilus = Tõsi ) )
Nüüd on meil väljund struktureeritumal kujul, mis on kasutajale hõlpsasti loetav. Samuti on see jagatud mitmeks osaks, et see oleks mõttekam ja iga jaotis sisaldab samme küsimustele vastuste leidmiseks:
See kõik puudutab LangChainis agendi vaheetappidele juurdepääsu.
Järeldus
LangChainis agendi vaheetappidele juurde pääsemiseks installige moodulid keelemudelite koostamise teekide importimiseks. Pärast seda seadistage tööriistad agendi lähtestamiseks, kasutades tööriistu, llm-i ja agendi tüüpi, mis suudab küsimustele vastata. Kui agent on konfigureeritud, testige seda vastuste saamiseks ja seejärel kasutage vahetoimingutele juurdepääsuks teeki Vaikimisi tüüp või dumps. Selles juhendis on käsitletud LangChainis agendi vaheetappidele juurdepääsu protsessi.