Táto príručka bude ilustrovať proces načítania reťazí z LangChain Hub.
Ako pridať stav pamäte v reťazci pomocou LangChain?
Stav pamäte možno použiť na inicializáciu reťazcov, pretože môže odkazovať na aktuálnu hodnotu uloženú v reťazcoch, ktorá sa použije pri vrátení výstupu. Ak sa chcete naučiť proces pridávania stavu pamäte v reťazcoch pomocou rámca LangChain, jednoducho si prejdite tohto jednoduchého sprievodcu:
Krok 1: Nainštalujte moduly
Najprv vstúpte do procesu inštaláciou rámca LangChain s jeho závislosťami pomocou príkazu pip:
pip install langchain
Nainštalujte si aj modul OpenAI, aby ste získali jeho knižnice, ktoré možno použiť na pridanie stavu pamäte v reťazci:
pip install openai
Získajte kľúč API z účtu OpenAI a nastaviť prostredie pomocou neho, aby k nemu reťazce mali prístup:
importovať vy
importovať getpass
vy . približne [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API Key:' )
Tento krok je dôležitý pre správne fungovanie kódu.
Krok 2: Importujte knižnice
Po nastavení prostredia jednoducho importujte knižnice na pridanie stavu pamäte, ako sú LLMCain, ConversationBufferMemory a mnohé ďalšie:
od langchain. reťaze importovať ConversationChainod langchain. Pamäť importovať ConversationBufferMemory
od langchain. chat_models importovať ChatOpenAI
od langchain. reťaze . llm importovať LLMChain
od langchain. výzvy importovať PromptTemplate
Krok 3: Budovanie reťazí
Teraz jednoducho vytvorte reťazce pre LLM pomocou metódy OpenAI() a šablóny výzvy pomocou dotazu na zavolanie reťazca:
chatovať = ChatOpenAI ( teplota = 0 )prompt_template = 'Napíš {style} vtip'
llm_chain = LLMChain ( llm = chatovať , výzva = PromptTemplate. from_template ( prompt_template ) )
llm_chain ( vstupy = { 'štýl' : 'banálny' } )
Model zobrazil výstup pomocou modelu LLM, ako je znázornené na obrázku nižšie:
Krok 4: Pridanie stavu pamäte
Tu sa chystáme pridať stav pamäte v reťazci pomocou metódy ConversationBufferMemory() a spustiť reťaz, aby sme získali 3 farby z dúhy:
rozhovor = ConversationChain (llm = chatovať ,
Pamäť = ConversationBufferMemory ( )
)
rozhovor. behať ( 'stručne dajte 3 farby dúhy' )
Model zobrazuje iba tri farby dúhy a kontext je uložený v pamäti reťaze:
Tu spúšťame reťaz s nejednoznačným príkazom ako „ ďalšie 4? ” takže samotný model získa kontext z pamäte a zobrazí zostávajúce farby dúhy:
rozhovor. behať ( 'ďalšie 4?' )Model urobil presne to, pretože pochopil kontext a vrátil zostávajúce štyri farby zo sady dúhy:
To je všetko o načítaní reťazí z LangChain Hub.
Záver
Ak chcete pridať pamäť do reťazcov pomocou rámca LangChain, jednoducho nainštalujte moduly na nastavenie prostredia na budovanie LLM. Potom importujte knižnice potrebné na vytvorenie reťazcov v LLM a potom do nich pridajte stav pamäte. Po pridaní stavu pamäte do reťazca jednoducho zadajte príkaz reťazcu na získanie výstupu a potom zadajte ďalší príkaz v kontexte predchádzajúceho, aby ste dostali správnu odpoveď. Tento príspevok rozpracoval proces pridávania stavu pamäte do reťazcov pomocou rámca LangChain.