लैंगचेन में एजेंटों का उपयोग करके एमआरकेएल सिस्टम को कैसे दोहराया जाए?

लैंगचेन उपयोगकर्ता को ऐसे एजेंट बनाने की अनुमति देता है जिनका उपयोग भाषा मॉडल या चैटबॉट के लिए कई कार्य करने के लिए किया जा सकता है। एजेंट अपने काम को भाषा मॉडल से जुड़ी मेमोरी में सभी चरणों के साथ संग्रहीत करते हैं। इन टेम्प्लेट का उपयोग करके, एजेंट अनुकूलित परिणाम प्राप्त करने के लिए एमआरकेएल जैसे किसी भी सिस्टम के कामकाज को दोबारा बनाए बिना दोहरा सकता है।

लैंगचेन में एजेंटों का उपयोग करके एमआरकेएल प्रणाली की प्रतिकृति बनाने की प्रक्रिया सीखने के लिए, बस सूचीबद्ध चरणों से गुजरें:

चरण 1: फ्रेमवर्क स्थापित करना

सबसे पहले, लैंगचेन-प्रयोगात्मक कमांड के साथ पाइप का उपयोग करके लैंगचेन प्रयोगात्मक मॉड्यूल स्थापित करें:

पाइप इंस्टाल लैंगचैन-प्रयोगात्मक

एमआरकेएल प्रणाली के लिए भाषा मॉडल बनाने के लिए ओपनएआई मॉड्यूल स्थापित करें:

पिप इंस्टाल ओपनाई

चरण 2: OpenAI वातावरण सेट करना

उपयोगकर्ता को OpenAI और SerpAPi खातों के लिए एपीआई कुंजी प्रदान करने के लिए प्रेरित करने के लिए ऑपरेटिंग तक पहुंचने के लिए ओएस और गेटपास लाइब्रेरी आयात करें:

आयात आप

आयात पास ले लो

आप . लगभग [ 'OPENAI_API_KEY' ] = पास ले लो . पास ले लो ( 'ओपनएआई एपीआई कुंजी:' )

आप . लगभग [ 'SERPAPI_API_KEY' ] = पास ले लो . पास ले लो ( 'सेरपापी एपीआई कुंजी:' )

चरण 3: पुस्तकालय आयात करना

भाषा मॉडल, उपकरण और एजेंटों के निर्माण के लिए आवश्यक पुस्तकालयों को आयात करने के लिए लैंगचेन से निर्भरता का उपयोग करें:

से लैंगचैन. चेन आयात एलएलएममैथचेन

से लैंगचैन. एलएमएस आयात ओपनएआई

से लैंगचैन. उपयोगिताओं आयात सर्पएपिरैपर

से लैंगचैन. उपयोगिताओं आयात एसक्यूएलडेटाबेस

से लैंगचैन_प्रयोगात्मक। एसक्यूएल आयात SQLडेटाबेसश्रृंखला

से लैंगचैन. एजेंट आयात इनिशियलाइज़_एजेंट , औजार

से लैंगचैन. एजेंट आयात एजेंट प्रकार

चरण 4: डेटाबेस बनाना

एमआरकेएल डेटा से जानकारी निकालने के लिए बाहरी ज्ञान स्रोतों का उपयोग करता है। यह पोस्ट SQLite का उपयोग करता है जिसे इसका उपयोग करके डाउनलोड किया जा सकता है मार्गदर्शक डेटाबेस बनाने के लिए. निम्न आदेश SQLite के स्थापित संस्करण को प्रदर्शित करके डाउनलोड करने की प्रक्रिया की पुष्टि करता है:

sqlite3

कमांड प्रॉम्प्ट का उपयोग करके डेटाबेस बनाने के लिए निर्देशिका के अंदर निम्नलिखित कमांड हेड का उपयोग करें:

सीडी डेस्कटॉप

सीडी mydb

sqlite3 चिनूक। डाटाबेस

डाउनलोड करें डेटाबेस फ़ाइल बनाएं और इसे 'बनाने के लिए निम्नलिखित कमांड का उपयोग करने के लिए निर्देशिका में संग्रहीत करें' .डीबी ' फ़ाइल:

. पढ़ना चिनूक_स्क्लाइट। एसक्यूएल

कलाकार सीमा से * चुनें 10 ;

चरण 5: डेटाबेस अपलोड करना

एक बार डेटाबेस सफलतापूर्वक बन जाने के बाद, फ़ाइल को Google सहयोगी में अपलोड करें:

से गूगल। और अन्य आयात फ़ाइलें

अपलोड किए गए = फ़ाइलें. डालना ( )

उपयोगकर्ता नोटबुक पर अपलोड की गई फ़ाइल तक पहुंच कर उसके ड्रॉप-डाउन मेनू से उसका पथ कॉपी कर सकता है:

चरण 6: उपकरण कॉन्फ़िगर करना

डेटाबेस बनाने के बाद, एजेंटों के लिए भाषा मॉडल, उपकरण और श्रृंखला कॉन्फ़िगर करें:

खोज = सर्पएपिरैपर ( )
एलएलएम = ओपनएआई ( तापमान = 0 )
एलएलएम_गणित_श्रृंखला = एलएलएममैथचेन ( एलएलएम = एलएलएम , वाचाल = सत्य )
डाटाबेस = एसक्यूएलडेटाबेस। from_uri ( 'sqlite:///../../../../../content/Chinook.db' )
db_चेन = SQLडेटाबेसश्रृंखला। from_llm ( एलएलएम , डाटाबेस , वाचाल = सत्य )
औजार = [
औजार (
नाम = 'खोज' ,
समारोह = खोजना। दौड़ना ,
विवरण = 'हाल के मामलों के बारे में उत्तर पाने के लिए लक्षित संकेतों से पूछें'
) ,
औजार (
नाम = 'कैलकुलेटर' ,
समारोह = एलएलएम_गणित_श्रृंखला. दौड़ना ,
विवरण = 'गणितीय समस्याओं का उत्तर देने/हल करने के लिए उपयोगी'
) ,
औजार (
नाम = 'फूबार डीबी' ,
समारोह = db_चेन. दौड़ना ,
विवरण = 'डेटाबेस से प्रश्नों का उत्तर देने के लिए उपयोगी और इनपुट प्रश्न का पूरा संदर्भ होना चाहिए'
)
]

को परिभाषित करो एलएलएम वैरिएबल का उपयोग कर रहा हूँ ओपनएआई() भाषा मॉडल प्राप्त करने की विधि.
खोज वह उपकरण है जो कॉल करता है सर्पएपीआईरैपर() इसके पर्यावरण तक पहुँचने की विधि।
एलएलएमथचेन() गणितीय समस्याओं से संबंधित उत्तर प्राप्त करने के लिए विधि का उपयोग किया जाता है।
को परिभाषित करो डाटाबेस अंदर फ़ाइल के पथ के साथ चर SQLडेटाबेस() तरीका।
SQLडेटाबेसचेन() डेटाबेस से जानकारी प्राप्त करने के लिए विधि का उपयोग किया जा सकता है।
टूल्स को परिभाषित करें जैसे खोज , कैलकुलेटर , और फूबार डीबी विभिन्न स्रोतों से डेटा निकालने के लिए एजेंट बनाने के लिए:

चरण 7: एजेंट का निर्माण और परीक्षण

उपयोगकर्ता द्वारा पूछे गए प्रश्नों के उत्तर प्राप्त करने के लिए टूल, एलएलएम और एजेंट का उपयोग करके एमआरकेएल सिस्टम प्रारंभ करें:

mrkl = इनिशियलाइज़_एजेंट ( औजार , एलएलएम , प्रतिनिधि = एजेंट प्रकार. शून्य_SHOT_REACT_DESCRIPTION , वाचाल = सत्य )

तर्क के रूप में प्रश्न के साथ रन() विधि का उपयोग करके एमआरकेएल सिस्टम निष्पादित करें:

mrkl. दौड़ना ( 'लियो डिकैप्रियो और उनकी गर्लफ्रेंड की वर्तमान उम्र क्या है, ये भी बताएं उनकी उम्र में अंतर' )

उत्पादन

एजेंट ने अंतिम उत्तर निकालने के लिए सिस्टम द्वारा उपयोग किए गए पूरे पथ के साथ अंतिम उत्तर तैयार किया है:

चरण 8: एमआरकेएल प्रणाली को दोहराएँ

अब, बस इसका उपयोग करें mrkl डेटाबेस जैसे विभिन्न स्रोतों से उत्तर प्राप्त करने के लिए रन() विधि के साथ कीवर्ड:

mrkl. दौड़ना ( 'उस कलाकार का पूरा नाम क्या है जिसका एल्बम 'द स्टॉर्म बिफोर द कैलम' हाल ही में रिलीज़ हुआ है और क्या वे फ़ूबार डेटाबेस में भी हैं, उनके कौन से एल्बम डेटाबेस में हैं' )

एजेंट ने डेटाबेस से उत्तर लाने के लिए प्रश्न को स्वचालित रूप से SQL क्वेरी में बदल दिया है। एजेंट उत्तर पाने के लिए सही स्रोत की खोज करता है और फिर जानकारी निकालने के लिए क्वेरी को इकट्ठा करता है:

चरण 9: चैटमॉडल का उपयोग करना

उपयोगकर्ता ChatOpenAI() पद्धति का उपयोग करके भाषा मॉडल को आसानी से बदल सकता है और इसे ChatModel बना सकता है और इसके साथ MRKL प्रणाली का उपयोग कर सकता है:

से लैंगचैन. चैट_मॉडल आयात चैटओपनएआई

खोज = सर्पएपिरैपर ( )
एलएलएम = चैटओपनएआई ( तापमान = 0 )
एलएलएम1 = ओपनएआई ( तापमान = 0 )
एलएलएम_गणित_श्रृंखला = एलएलएममैथचेन ( एलएलएम = एलएलएम1 , वाचाल = सत्य )
डाटाबेस = एसक्यूएलडेटाबेस। from_uri ( 'sqlite:///../../../../../content/Chinook.db' )
db_चेन = SQLडेटाबेसश्रृंखला। from_llm ( एलएलएम1 , डाटाबेस , वाचाल = सत्य )
औजार = [
औजार (
नाम = 'खोज' ,
समारोह = खोजना। दौड़ना ,
विवरण = 'हाल के मामलों के बारे में उत्तर पाने के लिए लक्षित संकेतों से पूछें'
) ,
औजार (
नाम = 'कैलकुलेटर' ,
समारोह = एलएलएम_गणित_श्रृंखला. दौड़ना ,
विवरण = 'गणितीय समस्याओं का उत्तर देने/हल करने के लिए उपयोगी'
) ,
औजार (
नाम = 'फूबार डीबी' ,
समारोह = db_चेन. दौड़ना ,
विवरण = 'डेटाबेस से प्रश्नों का उत्तर देने के लिए उपयोगी और इनपुट प्रश्न का पूरा संदर्भ होना चाहिए'
)
]

चरण 10: एमआरकेएल एजेंट का परीक्षण करें

उसके बाद, एजेंट बनाएं और इसे इनिशियलाइज़_एजेंट() विधि का उपयोग करके एमआरकेएल वेरिएबल में इनिशियलाइज़ करें। आउटपुट में पूरी प्रक्रिया प्राप्त करने के लिए टूल, एलएलएम, एजेंट और वर्बोज़ जैसे घटकों को एकीकृत करने के लिए विधि का पैरामीटर जोड़ें:

mrkl = इनिशियलाइज़_एजेंट ( औजार , एलएलएम , प्रतिनिधि = एजेंट प्रकार. CHAT_ZERO_SHOT_REACT_DESCRIPTION , वाचाल = सत्य )

निम्नलिखित स्क्रीनशॉट में दिखाए अनुसार एमआरकेएल सिस्टम चलाकर प्रश्न निष्पादित करें:

mrkl. दौड़ना ( 'लियो डिकैप्रियो की गर्लफ्रेंड कौन है? उनकी वर्तमान उम्र क्या है' )

उत्पादन

निम्नलिखित स्निपेट एजेंट द्वारा निकाले गए अंतिम उत्तर को प्रदर्शित करता है:

चरण 11: एमआरकेएल प्रणाली को दोहराएँ

डेटाबेस से जानकारी निकालने के लिए प्राकृतिक भाषा में प्रश्न के साथ रन() विधि को कॉल करके एमआरकेएल प्रणाली का उपयोग करें:

उत्पादन

एजेंट ने डेटाबेस से निकाला गया अंतिम उत्तर प्रदर्शित किया है जैसा कि निम्नलिखित स्क्रीनशॉट में दिखाया गया है:

यह लैंगचेन में एजेंटों का उपयोग करके एमआरकेएल प्रणाली की नकल करने की प्रक्रिया के बारे में है:

निष्कर्ष

लैंगचेन में एजेंटों का उपयोग करके एमआरकेएल प्रणाली को दोहराने के लिए, पुस्तकालयों को आयात करने के लिए निर्भरता प्राप्त करने के लिए मॉड्यूल स्थापित करें। टूल का उपयोग करके कई स्रोतों से उत्तर प्राप्त करने के लिए पुस्तकालयों को भाषा मॉडल या चैट मॉडल बनाने की आवश्यकता होती है। एजेंटों को इंटरनेट, डेटाबेस आदि जैसे विभिन्न स्रोतों से आउटपुट निकालने के लिए उपकरणों का उपयोग करने के लिए कॉन्फ़िगर किया गया है। इस गाइड ने लैंगचेन में एजेंटों का उपयोग करके एमआरकेएल प्रणाली की नकल करने की प्रक्रिया पर विस्तार से बताया है।

लैंगचेन में एजेंटों का उपयोग करके एमआरकेएल सिस्टम को कैसे दोहराया जाए?