त्वरित रूपरेखा
यह पोस्ट निम्नलिखित प्रदर्शित करेगी:
प्राकृतिक भाषा प्रसंस्करण में एजेंट (एनएलपी) क्या हैं
लैंगचेन में एजेंटों के साथ शुरुआत करना
- फ्रेमवर्क स्थापित करना
- चैट मॉडल कॉन्फ़िगर करें
- बिल्डिंग एजेंट
- एजेंट को आमंत्रित करना
- एजेंट उपकरण कॉन्फ़िगर करें
- एजेंट का परीक्षण
प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में एजेंट क्या हैं?
एजेंट प्राकृतिक भाषा अनुप्रयोग के महत्वपूर्ण घटक हैं और वे प्रश्नों को समझने के लिए प्राकृतिक भाषा समझ (एनएलयू) का उपयोग करते हैं। ये एजेंट ऐसे प्रोग्राम हैं जो कार्यों के अनुक्रम का उपयोग करके मनुष्यों के साथ बातचीत करने के लिए एक वार्तालाप टेम्पलेट की तरह कार्य करते हैं। एजेंट कई टूल का उपयोग करते हैं जिन्हें एजेंट द्वारा कई कार्य करने के लिए बुलाया जा सकता है या निष्पादित करने के लिए अगला कार्य निर्दिष्ट किया जा सकता है।
लैंगचेन में एजेंटों के साथ शुरुआत करना
लैंगचेन में एजेंटों का उपयोग करके आउटपुट निकालकर मनुष्यों के साथ बातचीत करने के लिए एजेंटों के निर्माण की प्रक्रिया शुरू करें। लैंगचेन में एजेंटों के साथ आरंभ करने की प्रक्रिया सीखने के लिए, बस नीचे सूचीबद्ध चरणों का पालन करें:
चरण 1: फ्रेमवर्क स्थापित करना
सबसे पहले, 'का उपयोग करके लैंगचेन फ्रेमवर्क स्थापित करने की प्रक्रिया शुरू करें' रंज एजेंटों का उपयोग करने के लिए आवश्यक निर्भरताएँ प्राप्त करने के लिए कमांड:
पाइप लैंगचैन स्थापित करें 
एलएलएम के निर्माण के लिए ओपनएआई मॉड्यूल स्थापित करें और लैंगचेन में एजेंटों को कॉन्फ़िगर करने के लिए इसका उपयोग करें:
पिप इंस्टाल ओपनाई 
वातावरण स्थापित करें OpenAI मॉड्यूल के लिए निम्नलिखित कोड चलाकर खाते से इसकी एपीआई कुंजी का उपयोग करें:
आयात आपआयात पास ले लो
आप . लगभग [ 'OPENAI_API_KEY' ] = पास ले लो . पास ले लो ( 'ओपनएआई एपीआई कुंजी:' )
चरण 2: चैट मॉडल कॉन्फ़िगर करें
इसके फ़ंक्शन का उपयोग करके एलएलएम बनाने के लिए लैंगचेन से ChatOpenAI मॉड्यूल आयात करें:
से लैंगचैन. चैट_मॉडल आयात चैटओपनएआईएलएलएम = चैटओपनएआई ( तापमान = 0 )
एजेंट द्वारा किए जाने वाले आवश्यक कार्यों या कार्रवाइयों को कॉन्फ़िगर करने के लिए एजेंट के लिए उपकरण आयात करें। निम्नलिखित कोड उपयोगकर्ता द्वारा प्रदान किए गए शब्द की लंबाई प्राप्त करने के लिए get_word_length() विधि का उपयोग करता है:
से लैंगचैन. एजेंट आयात औजार@ औजार
डीईएफ़ शब्द_लंबाई प्राप्त करें ( शब्द: एसटीआर ) - > int यहाँ :
'''शब्द की लंबाई ज्ञात करना'''
वापस करना केवल ( शब्द )
औजार = [ शब्द_लंबाई प्राप्त करें ]
चैट करने के लिए एक इंटरफ़ेस बनाने के लिए चैट मॉडल के लिए टेम्पलेट या संरचना कॉन्फ़िगर करें:
से लैंगचैन. संकेतों आयात चैटप्रॉम्प्टटेम्पलेट , संदेशप्लेसहोल्डरतत्पर = चैटप्रॉम्प्टटेम्पलेट. from_messages ( [
( 'प्रणाली' , 'आपका सहायक काफी अद्भुत है, लेकिन लंबाई की गणना करने में सुधार की आवश्यकता है' ) ,
( 'उपयोगकर्ता' , '{इनपुट}' ) ,
संदेशप्लेसहोल्डर ( चर का नाम = 'एजेंट_स्क्रैचपैड' ) ,
] )
चरण 3: बिल्डिंग एजेंट
लैंगचेन मॉड्यूल से ओपनएआई फ़ंक्शंस का उपयोग करके टूल के साथ एलएलएम के निर्माण के लिए टूल लाइब्रेरी आयात करें:
से लैंगचैन. औजार . प्रदान करना आयात प्रारूप_टूल_टू_ओपनाई_फंक्शनएलएलएम_विथ_टूल्स = एलएलएम बाँध (
कार्य = [ प्रारूप_टूल_टू_ओपनाई_फंक्शन ( टी ) के लिए टी में औजार ]
)
क्रियाओं/कार्य अनुक्रमों को सेट करने के लिए आउटपुट पार्सर का उपयोग करने के लिए OpenAI फ़ंक्शन एजेंट का उपयोग करके एजेंट को कॉन्फ़िगर करें:
से लैंगचैन. एजेंट . प्रारूप_स्क्रैचपैड आयात प्रारूप_टू_ओपनाई_फंक्शनसे लैंगचैन. एजेंट . आउटपुट_पार्सर्स आयात OpenAIFunctionsAgentOutputParser
प्रतिनिधि = {
'इनपुट' : लैम्ब्डा एक्स: एक्स [ 'इनपुट' ] ,
'एजेंट_स्क्रैचपैड' : लैम्ब्डा एक्स: प्रारूप_टू_ओपेनाई_फंक्शन ( एक्स [ 'मध्यवर्ती चरण' ] )
} | शीघ्र | एलएलएम_विथ_टूल्स | OpenAIFunctionsAgentOutputParser ( )
चरण 4: एजेंट को आमंत्रित करना
अगला चरण इनपुट और इंटरमीडिएट_स्टेप्स तर्कों का उपयोग करके एजेंट को कॉल करने के लिए इनवोक() फ़ंक्शन का उपयोग करता है:
प्रतिनिधि। आह्वान ( {'इनपुट' : 'अच्छा शब्द में कितने अक्षर हैं' ,
'मध्यवर्ती चरण' : [ ]
} )
चरण 5: एजेंट टूल कॉन्फ़िगर करें
उसके बाद, गतिविधि को पूरा करने के लिए सभी चरणों को एक क्रम में एकीकृत करके इंटरमीडिएट_स्टेप्स को कॉन्फ़िगर करने के लिए बस एजेंटफिनिश लाइब्रेरी को आयात करें:
से लैंगचैन. योजना . प्रतिनिधि आयात एजेंटसमाप्तमध्यवर्ती चरण = [ ]
जबकि सत्य :
आउटपुट = प्रतिनिधि। आह्वान ( {
'इनपुट' : 'अक्षर अच्छे हैं' ,
'मध्यवर्ती चरण' : मध्यवर्ती चरण
} )
अगर उदाहरण है ( आउटपुट , एजेंटसमाप्त ) :
अंतिम परिणाम = आउटपुट. वापसी_मान [ 'आउटपुट' ]
तोड़ना
अन्य :
छपाई ( आउटपुट. औजार , आउटपुट. टूल_इनपुट )
औजार = {
'शब्द_लंबाई प्राप्त करें' : शब्द_लंबाई प्राप्त करें
} [ आउटपुट. औजार ]
अवलोकन = औजार। दौड़ना ( आउटपुट. टूल_इनपुट )
मध्यवर्ती चरण. संलग्न ( ( आउटपुट , अवलोकन ) )
छपाई ( अंतिम परिणाम )
चरण 6: एजेंट का परीक्षण
अब, लैंगचेन से इसकी लाइब्रेरी आयात करने के बाद AgentExecutor() विधि को कॉल करके एजेंट को निष्पादित करें:
से लैंगचैन. एजेंट आयात एजेंटनिष्पादकएजेंट_निष्पादक = एजेंटनिष्पादक ( प्रतिनिधि = प्रतिनिधि , औजार = औजार , वाचाल = सत्य )
अंत में, एजेंट के लिए क्वेरी दर्ज करने के लिए इनपुट तर्क के साथ एजेंट_निष्पादक को आमंत्रित करें:
एजेंट_निष्पादक. आह्वान ( { 'इनपुट' : 'अच्छा शब्द में कितने अक्षर हैं' } )एजेंट ने श्रृंखला समाप्त करने के बाद इनपुट तर्क में दिए गए प्रश्न का उत्तर प्रदर्शित किया है:
यह सब लैंगचेन ढांचे में एजेंटों के साथ शुरुआत करने के बारे में है।
निष्कर्ष
लैंगचेन में एजेंटों के साथ शुरुआत करने के लिए, बस OpenAI एपीआई कुंजी का उपयोग करके पर्यावरण स्थापित करने के लिए आवश्यक मॉड्यूल स्थापित करें। उसके बाद, मध्यवर्ती चरणों के अनुक्रम के साथ एजेंट के निर्माण के लिए प्रॉम्प्ट टेम्पलेट सेट करके चैट मॉडल को कॉन्फ़िगर करें। एक बार एजेंट कॉन्फ़िगर हो जाने के बाद, उपयोगकर्ता को इनपुट स्ट्रिंग देने के बाद कार्यों को निर्दिष्ट करके उपकरण बनाएं। इस ब्लॉग ने लैंगचेन में एजेंटों का उपयोग करने की प्रक्रिया का प्रदर्शन किया है।