यह मार्गदर्शिका लैंगचेन में वार्तालाप सारांश बफ़र का उपयोग करने की प्रक्रिया का वर्णन करेगी।
लैंगचेन में वार्तालाप सारांश बफ़र का उपयोग कैसे करें?
वार्तालाप में कई संदेश शामिल हो सकते हैं जो मानव और मशीन के बीच बातचीत की तरह हैं और बफर सबसे हाल के संदेशों को संग्रहीत कर सकता है। वार्तालापसारांशबफरमेमोरी लाइब्रेरी का उपयोग दोनों अवधारणाओं को संयोजित करने के लिए किया जाता है जैसे कि नवीनतम संदेशों को संग्रहीत करना और उनका सारांश निकालना।
लैंगचेन में वार्तालाप सारांश बफ़र का उपयोग करने की प्रक्रिया सीखने के लिए, बस निम्नलिखित मार्गदर्शिका देखें:
चरण 1: मॉड्यूल स्थापित करें
सबसे पहले, आवश्यक लाइब्रेरी प्राप्त करने के लिए पाइप कमांड का उपयोग करके लैंगचेन मॉड्यूल स्थापित करें:
पाइप लैंगचैन स्थापित करें
टिकटोकन टोकननाइज़र स्थापित करें जिसका उपयोग टेक्स्ट दस्तावेज़ों को छोटे टुकड़ों में विभाजित करने के लिए किया जा सकता है:
पिप टिकटोकन इंस्टॉल करें 
उसके बाद, ओपनएआई मॉड्यूल स्थापित करें जिसका उपयोग एलएलएम और चेन जैसे भाषा मॉडल बनाने के लिए किया जा सकता है:
पिप इंस्टाल ओपनाई 
अब, पर्यावरण स्थापित करें OpenAI खाते से API कुंजी प्राप्त करके और मॉडल में इसका उपयोग करके:
आयात आपआयात पास ले लो
आप . लगभग [ 'OPENAI_API_KEY' ] = पास ले लो . पास ले लो ( 'ओपनएआई एपीआई कुंजी:' )
चरण 2: वार्तालाप सारांश बफ़र का उपयोग करना
OpenAI() विधि का उपयोग करके एलएलएम बनाने के लिए पुस्तकालयों को आयात करके वार्तालाप सारांश बफर का उपयोग करने की प्रक्रिया शुरू करें:
से लैंगचैन. याद आयात वार्तालापसारांशबफरमेमोरीसे लैंगचैन. एलएमएस आयात ओपनएआई
एलएलएम = ओपनएआई ( )
ConversationSummaryBufferMemory() विधि का उपयोग करके मेमोरी बनाएं और फिर बातचीत को मेमोरी में संग्रहीत करें:
याद = वार्तालापसारांशबफरमेमोरी ( एलएलएम = एलएलएम , अधिकतम_टोकन_सीमा = 10 )याद। save_context ( { 'इनपुट' : 'नमस्ते' } , { 'आउटपुट' : 'आप कैसे हैं' } )
याद। save_context ( { 'इनपुट' : 'मैं तुम्हारे बारे में अच्छा सोचता हूं' } , { 'आउटपुट' : 'ज्यादा नहीं' } )
अब, कॉल करके मेमोरी को निष्पादित करें लोड_मेमोरी_वेरिएबल्स () मेमोरी से संदेश निकालने की विधि:
याद। लोड_मेमोरी_वेरिएबल्स ( { } ) 
अब, बफ़र में संग्रहीत संदेशों की संख्या को सीमित करके बफ़र को कॉन्फ़िगर करने के लिए वार्तालाप के बफ़र सारांश का उपयोग करें। उसके बाद, बफ़र में संग्रहीत इन संदेशों का सारांश निकालें और फिर वार्तालाप को मेमोरी में संग्रहीत करें:
याद = वार्तालापसारांशबफरमेमोरी (एलएलएम = एलएलएम , अधिकतम_टोकन_सीमा = 10 , वापसी_संदेश = सत्य
)
याद। save_context ( { 'इनपुट' : 'नमस्ते' } , { 'आउटपुट' : 'आप कैसे हैं' } )
याद। save_context ( { 'इनपुट' : 'मैं तुम्हारे बारे में अच्छा सोचता हूं' } , { 'आउटपुट' : 'ज्यादा नहीं' } )
निम्नलिखित कोड का उपयोग करके बफ़र मेमोरी में संग्रहीत पिछले संदेशों का सारांश प्राप्त करें:
संदेशों = याद। चैट_मेमोरी . संदेशोंपिछला_सारांश = ''
याद। भविष्यवाणी_नया_सारांश ( संदेशों , पिछला_सारांश )
चरण 3: एक श्रृंखला में वार्तालाप सारांश बफ़र का उपयोग करना
का उपयोग करके जंजीरें बनाएं वार्तालाप श्रृंखला() संदेश को संग्रहीत करने के लिए बफ़र मेमोरी का मान युक्त विधि:
से लैंगचैन. चेन आयात वार्तालाप शृंखलाबातचीत_साथ_सारांश = वार्तालाप शृंखला (
एलएलएम = एलएलएम ,
याद = वार्तालापसारांशबफरमेमोरी ( एलएलएम = ओपनएआई ( ) , अधिकतम_टोकन_सीमा = 40 ) ,
वाचाल = सत्य ,
)
बातचीत_साथ_सारांश. भविष्यवाणी करना ( इनपुट = 'नमस्ते क्या हुआ?' )
बातचीत का सारांश प्राप्त करने के लिए पूर्वानुमान () विधि का उपयोग करके पाठ के रूप में इनपुट प्रदान करें:
बातचीत_साथ_सारांश. भविष्यवाणी करना ( इनपुट = 'बस एनएलपी प्रोजेक्ट पर काम कर रहा हूं' ) 
मॉडल से आउटपुट का उपयोग करें और बफर मेमोरी में संदेशों का उपयोग करके अधिक डेटा जोड़ें और इसका सारांश प्रदर्शित करें:
बातचीत_साथ_सारांश. भविष्यवाणी करना ( इनपुट = 'हाँ, यह है! मैं एलएलएम डिजाइन करने पर काम कर रहा हूँ' ) 
सारांश यह है कि आउटपुट आसानी से समझने योग्य और अधिक मानव-अनुकूल होगा और चैटबॉट्स के लिए अधिक उपयुक्त है:
बातचीत_साथ_सारांश. भविष्यवाणी करना (इनपुट = 'मैं लैंगचेन का उपयोग करना चाहता हूं! क्या आपने इसके बारे में सुना है'
)
यह सब लैंगचेन में वार्तालाप सारांश बफ़र का उपयोग करने के बारे में है।
निष्कर्ष
लैंगचेन में वार्तालाप सारांश बफर मेमोरी का उपयोग करने के लिए, आवश्यक लाइब्रेरी प्राप्त करने के लिए बस मॉड्यूल या फ्रेमवर्क स्थापित करें। एक बार लाइब्रेरी आयात हो जाने के बाद, बातचीत का सारांश प्राप्त करने के लिए ConverstaionSummaryBufferMemory() फ़ंक्शन का उपयोग करने के लिए LLM या चैटबॉट बनाएं। सारांश निकालने के लिए मेमोरी में संग्रहीत संदेशों की संख्या को सीमित करने के लिए बफर मेमोरी का उपयोग किया जाता है। इस पोस्ट में लैंगचेन में वार्तालाप सारांश बफर मेमोरी का उपयोग करने की प्रक्रिया के बारे में विस्तार से बताया गया है।