Táto príručka bude ilustrovať proces používania grafu znalostí konverzácie v LangChain.
Ako používať graf znalostí konverzácie v LangChain?
The KonverzáciaKGMemory knižnicu možno použiť na opätovné vytvorenie pamäte, ktorú možno použiť na získanie kontextu interakcie. Ak sa chcete naučiť proces používania grafu znalostí konverzácie v LangChain, jednoducho prejdite uvedenými krokmi:
Krok 1: Nainštalujte moduly
Najprv začnite s procesom používania grafu znalostí konverzácie inštaláciou modulu LangChain:
pip install langchain
Nainštalujte modul OpenAI, ktorý je možné nainštalovať pomocou príkazu pip, aby ste získali jeho knižnice na vytváranie veľkých jazykových modelov:
pip install openai
teraz nastaviť prostredie pomocou kľúča OpenAI API, ktorý je možné vygenerovať z jeho účtu:
importovať vy
importovať getpass
vy . približne [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API Key:' )
Krok 2: Používanie pamäte s LLM
Po nainštalovaní modulov začnite používať pamäť s LLM importovaním požadovaných knižníc z modulu LangChain:
od langchain. Pamäť importovať KonverzáciaKGMemoryod langchain. llms importovať OpenAI
Zostavte LLM pomocou metódy OpenAI() a nakonfigurujte pamäť pomocou KonverzáciaKGMemory () metóda. Potom uložte šablóny výziev pomocou viacerých vstupov s ich príslušnými odpoveďami, aby ste model trénovali na týchto údajoch:
llm = OpenAI ( teplota = 0 )Pamäť = KonverzáciaKGMemory ( llm = llm )
Pamäť. save_context ( { 'vstup' : 'pozdrav johnovi' } , { 'výkon' : 'John! Kto' } )
Pamäť. save_context ( { 'vstup' : 'je kamarát' } , { 'výkon' : 'samozrejme' } )
Otestujte pamäť načítaním pamäťové_premenné () metóda využívajúca dotaz týkajúci sa vyššie uvedených údajov:
Pamäť. load_memory_variables ( { 'vstup' : 'kto je john' } ) 
Nakonfigurujte pamäť pomocou metódy ConversationKGMemory() s návratové_správy argument na získanie histórie vstupu:
Pamäť = KonverzáciaKGMemory ( llm = llm , návratové_správy = Pravda )Pamäť. save_context ( { 'vstup' : 'pozdrav johnovi' } , { 'výkon' : 'John! Kto' } )
Pamäť. save_context ( { 'vstup' : 'je kamarát' } , { 'výkon' : 'samozrejme' } )
Jednoducho otestujte pamäť zadaním vstupného argumentu s jeho hodnotou vo forme dotazu:
Pamäť. load_memory_variables ( { 'vstup' : 'kto je john' } ) 
Teraz otestujte pamäť položením otázky, ktorá nie je uvedená v trénovacích údajoch a model nemá žiadnu predstavu o odpovedi:
Pamäť. get_current_entities ( 'aká je Johnova obľúbená farba' )Použi get_knowledge_triplets () metódou odpovedaním na predtým položenú otázku:
Pamäť. get_knowledge_triplets ( 'jeho obľúbená farba je červená' ) 
Krok 3: Používanie pamäte v reťazci
Ďalší krok využíva pamäť konverzácie s reťazcami na vytvorenie modelu LLM pomocou metódy OpenAI(). Potom nakonfigurujte šablónu výzvy pomocou štruktúry konverzácie a text sa zobrazí pri získavaní výstupu podľa modelu:
llm = OpenAI ( teplota = 0 )od langchain. výzvy . výzva importovať PromptTemplate
od langchain. reťaze importovať ConversationChain
šablóna = '''Toto je šablóna pre interakciu medzi človekom a strojom
Systém je model AI, ktorý môže hovoriť alebo extrahovať informácie o viacerých aspektoch
Ak nerozumie otázke alebo nemá odpoveď, jednoducho to povie
Systém extrahuje údaje uložené v sekcii „Špecifické“ a nespôsobuje halucinácie
konkrétne:
{história}
konverzácia:
Človek: {input}
AI:'''
#Nakonfigurujte šablónu alebo štruktúru na poskytovanie výziev a získavanie odpovedí zo systému AI
výzva = PromptTemplate ( vstupné_premenné = [ 'história' , 'vstup' ] , šablóna = šablóna )
rozhovor_s_kg = ConversationChain (
llm = llm , podrobný = Pravda , výzva = výzva , Pamäť = KonverzáciaKGMemory ( llm = llm )
)
Po vytvorení modelu jednoducho zavolajte rozhovor_s_kg model pomocou metódy Predikcia() s dotazom zadaným používateľom:
rozhovor_s_kg. predpovedať ( vstup = 'Ahoj, ako?' ) 
Teraz trénujte model pomocou pamäte konverzácie zadaním informácií ako vstupného argumentu pre metódu:
rozhovor_s_kg. predpovedať (vstup = 'Volám sa James a pomáham Willovi, je to inžinier.'
)
Tu je čas otestovať model požiadaním dopytov o extrahovanie informácií z údajov:
rozhovor_s_kg. predpovedať ( vstup = 'Kto je Will' ) 
To je všetko o používaní grafu znalostí konverzácie v LangChain.
Záver
Ak chcete použiť graf znalostí konverzácie v LangChain, nainštalujte moduly alebo rámce na importovanie knižníc na používanie metódy ConversationKGMemory(). Potom vytvorte model pomocou pamäte na zostavenie reťazcov a extrahujte informácie z tréningových údajov poskytnutých v konfigurácii. Táto príručka rozpracovala proces používania grafu znalostí konverzácie v LangChain.