यह मार्गदर्शिका लैंगचेन हब से चेन लोड करने की प्रक्रिया का वर्णन करेगी।
लैंगचेन का उपयोग करके चेन में मेमोरी स्टेट कैसे जोड़ें?
मेमोरी स्थिति का उपयोग चेन को आरंभ करने के लिए किया जा सकता है क्योंकि यह चेन में संग्रहीत हाल के मूल्य को संदर्भित कर सकता है जिसका उपयोग आउटपुट वापस करते समय किया जाएगा। लैंगचेन फ्रेमवर्क का उपयोग करके श्रृंखलाओं में मेमोरी स्थिति जोड़ने की प्रक्रिया सीखने के लिए, बस इस आसान गाइड को पढ़ें:
चरण 1: मॉड्यूल स्थापित करें
सबसे पहले, पाइप कमांड का उपयोग करके लैंगचेन फ्रेमवर्क को उसकी निर्भरता के साथ स्थापित करके प्रक्रिया में शामिल हों:
पाइप लैंगचैन स्थापित करें
इसके पुस्तकालय प्राप्त करने के लिए ओपनएआई मॉड्यूल भी स्थापित करें जिसका उपयोग श्रृंखला में मेमोरी स्थिति जोड़ने के लिए किया जा सकता है:
पिप इंस्टाल ओपनाई
OpenAI खाते से API कुंजी प्राप्त करें और पर्यावरण स्थापित करें इसका उपयोग करना ताकि चेन इस तक पहुंचने में सक्षम हो सकें:
आयात आप
आयात पास ले लो
आप . लगभग [ 'OPENAI_API_KEY' ] = पास ले लो . पास ले लो ( 'ओपनएआई एपीआई कुंजी:' )
कोड के ठीक से काम करने के लिए यह चरण महत्वपूर्ण है।
चरण 2: पुस्तकालय आयात करें
पर्यावरण स्थापित करने के बाद, बस मेमोरी स्थिति जैसे LLMChain, ConversationBufferMemory और कई अन्य को जोड़ने के लिए लाइब्रेरी आयात करें:
से लैंगचैन. चेन आयात वार्तालाप शृंखलासे लैंगचैन. याद आयात कन्वर्सेशनबफरमेमोरी
से लैंगचैन. चैट_मॉडल आयात चैटओपनएआई
से लैंगचैन. चेन . एलएलएम आयात एलएलएमचेन
से लैंगचैन. संकेतों आयात संकेत टेम्पलेट
चरण 3: जंजीरों का निर्माण
अब, श्रृंखला को कॉल करने के लिए क्वेरी का उपयोग करके OpenAI() विधि और प्रॉम्प्ट के टेम्पलेट का उपयोग करके एलएलएम के लिए श्रृंखला बनाएं:
बात करना = चैटओपनएआई ( तापमान = 0 )प्रॉम्प्ट_टेम्पलेट = 'एक {शैली} चुटकुला लिखें'
एलएलएम_चेन = एलएलएमचेन ( एलएलएम = बात करना , तत्पर = संकेत टेम्पलेट. टेम्पलेट से ( प्रॉम्प्ट_टेम्पलेट ) )
एलएलएम_चेन ( आदानों = { 'शैली' : 'मूर्ख' } )
मॉडल ने एलएलएम मॉडल का उपयोग करके आउटपुट प्रदर्शित किया है जैसा कि नीचे स्क्रीनशॉट में दिखाया गया है:
चरण 4: मेमोरी स्थिति जोड़ना
यहां हम ConversationBufferMemory() विधि का उपयोग करके श्रृंखला में मेमोरी स्थिति जोड़ने जा रहे हैं और इंद्रधनुष से 3 रंग प्राप्त करने के लिए श्रृंखला चलाएंगे:
बातचीत = वार्तालाप शृंखला (एलएलएम = बात करना ,
याद = कन्वर्सेशनबफरमेमोरी ( )
)
बातचीत। दौड़ना ( 'इंद्रधनुष में तीन रंग संक्षेप में बताएं' )
मॉडल ने इंद्रधनुष के केवल तीन रंग प्रदर्शित किए हैं और संदर्भ श्रृंखला की मेमोरी में संग्रहीत है:
यहां हम एक अस्पष्ट आदेश के साथ श्रृंखला चला रहे हैं जैसे ' अन्य 4? ” इसलिए मॉडल स्वयं मेमोरी से संदर्भ प्राप्त करता है और शेष इंद्रधनुष रंगों को प्रदर्शित करता है:
बातचीत। दौड़ना ( 'अन्य 4?' )मॉडल ने ठीक वैसा ही किया है, जैसे उसने संदर्भ को समझा और इंद्रधनुष सेट से शेष चार रंग लौटाए:
यह सब लैंगचेन हब से लोडिंग चेन के बारे में है।
निष्कर्ष
लैंगचेन फ्रेमवर्क का उपयोग करके श्रृंखलाओं में मेमोरी जोड़ने के लिए, एलएलएम के निर्माण के लिए वातावरण स्थापित करने के लिए बस मॉड्यूल स्थापित करें। उसके बाद, एलएलएम में श्रृंखला बनाने के लिए आवश्यक पुस्तकालयों को आयात करें और फिर इसमें मेमोरी स्थिति जोड़ें। श्रृंखला में मेमोरी स्थिति जोड़ने के बाद, आउटपुट प्राप्त करने के लिए बस श्रृंखला को एक कमांड दें और फिर सही उत्तर प्राप्त करने के लिए पिछले एक के संदर्भ में एक और कमांड दें। इस पोस्ट में लैंगचेन फ्रेमवर्क का उपयोग करके चेन में मेमोरी स्टेट जोड़ने की प्रक्रिया के बारे में विस्तार से बताया गया है।