Mabilis na Balangkas
Ipapakita ng post na ito:
Paano Ipapatupad ang ReAct Logic With Document Store sa LangChain
- Pag-install ng mga Framework
- Nagbibigay ng OpenAI API Key
- Pag-import ng mga Aklatan
- Gamit ang Wikipedia Explorer
- Pagsubok sa Modelo
Paano Ipapatupad ang ReAct Logic With Document Store sa LangChain?
Ang mga modelo ng wika ay sinanay sa isang malaking pool ng data na nakasulat sa mga natural na wika tulad ng English, atbp. Ang data ay pinamamahalaan at iniimbak sa mga tindahan ng dokumento at ang user ay maaaring mag-load lamang ng data mula sa tindahan at sanayin ang modelo. Ang pagsasanay sa modelo ay maaaring tumagal ng maraming pag-ulit dahil ang bawat pag-ulit ay ginagawang mas epektibo at napabuti ang modelo.
Upang matutunan ang proseso ng pagpapatupad ng ReAct logic para sa pagtatrabaho sa tindahan ng dokumento sa LangChain, sundin lamang ang simpleng gabay na ito:
Hakbang 1: Pag-install ng Mga Framework
Una, magsimula sa proseso ng pagpapatupad ng ReAct logic para sa pagtatrabaho sa tindahan ng dokumento sa pamamagitan ng pag-install ng LangChain framework. Ang pag-install ng LangChain framework ay makakakuha ng lahat ng kinakailangang dependency upang makuha o mai-import ang mga library para sa pagkumpleto ng proseso:
pip install langchain
I-install ang mga dependency ng Wikipedia para sa gabay na ito dahil magagamit ito upang gumana ang mga tindahan ng dokumento sa lohika ng ReAct:
pip install wikipedia 
I-install ang OpenAI modules gamit ang pip command para makuha ang mga library nito at bumuo ng Large Language Models o LLMs:
pip install openai 
Hakbang 2: Pagbibigay ng OpenAI API Key
Pagkatapos i-install ang lahat ng kinakailangang mga module, simple itakda ang kapaligiran gamit ang API key mula sa OpenAI account gamit ang sumusunod na code:
angkat ikawangkat getpass
ikaw . humigit-kumulang [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API Key:' )
Hakbang 3: Pag-import ng Mga Aklatan
Kapag na-set up na ang kapaligiran, i-import ang mga aklatan mula sa LangChain na kinakailangan upang i-configure ang lohika ng ReAct para sa pagtatrabaho sa mga tindahan ng dokumento. Paggamit ng mga ahente ng LangChain upang makuha ang DocstoreExplaorer at mga ahente kasama ang mga uri nito upang i-configure ang modelo ng wika:
mula sa langchain. llms angkat OpenAImula sa langchain. docstore angkat Wikipedia
mula sa langchain. mga ahente angkat initialize_agent , Tool
mula sa langchain. mga ahente angkat Uri ng Ahente
mula sa langchain. mga ahente . gumanti . base angkat DocstoreExplorer
Hakbang 4: Paggamit ng Wikipedia Explorer
I-configure ang ' docstore ” variable na may DocstoreExplorer() method at tawagan ang Wikipedia() method sa argument nito. Buuin ang Malaking Modelo ng Wika gamit ang pamamaraang OpenAI na may ' text-davinci-002 ” modelo pagkatapos itakda ang mga tool para sa ahente:
docstore = DocstoreExplorer ( Wikipedia ( ) )mga kasangkapan = [
Tool (
pangalan = 'Paghahanap' ,
func = docstore. paghahanap ,
paglalarawan = 'Ginagamit ito para sa pagtatanong ng mga query/prompt sa paghahanap' ,
) ,
Tool (
pangalan = 'Paghahanap' ,
func = docstore. paghahanap ,
paglalarawan = 'Ginagamit ito para sa pagtatanong ng mga query/prompt na may lookup' ,
) ,
]
llm = OpenAI ( temperatura = 0 , modelo_pangalan = 'text-davinci-002' )
#defining ang variable sa pamamagitan ng pag-configure ng modelo sa ahente
gumanti = initialize_agent ( mga kasangkapan , llm , ahente = Uri ng Ahente. REACT_DOCSTORE , verbose = totoo )
Hakbang 5: Pagsubok sa Modelo
Kapag ang modelo ay binuo at na-configure, itakda ang string ng tanong at patakbuhin ang pamamaraan na may variable na tanong sa argumento nito:
tanong = 'Aling U.S. Navy admiral ang nakipagtulungan sa May-akda na si David Chanoff'gumanti. tumakbo ( tanong )
Kapag naisakatuparan na ang variable ng tanong, naunawaan ng modelo ang tanong nang walang anumang panlabas na template ng prompt o pagsasanay. Awtomatikong sinasanay ang modelo gamit ang modelong na-upload sa nakaraang hakbang at bumubuo ng teksto nang naaayon. Ang lohika ng ReAct ay gumagana sa mga tindahan ng dokumento upang kunin ang impormasyon batay sa tanong:
Magtanong ng isa pang tanong mula sa data na ibinigay sa modelo mula sa mga tindahan ng dokumento at kukunin ng modelo ang sagot mula sa tindahan:
tanong = 'Ang may-akda na si David Chanoff ay nakipagtulungan kay William J Crowe na nagsilbi sa ilalim ni aling Pangulo?'gumanti. tumakbo ( tanong )
Iyon lang ang tungkol sa pagpapatupad ng ReAct logic para sa pagtatrabaho sa tindahan ng dokumento sa LangChain.
Konklusyon
Upang ipatupad ang ReAct logic para sa trabaho sa tindahan ng dokumento sa LangChain, i-install ang mga module o frameworks para sa pagbuo ng modelo ng wika. Pagkatapos nito, i-set up ang kapaligiran para sa OpenAI upang i-configure ang LLM at i-load ang modelo mula sa tindahan ng dokumento upang ipatupad ang ReAct logic. Ang gabay na ito ay nagpapaliwanag sa pagpapatupad ng ReAct logic para sa pagtatrabaho sa tindahan ng dokumento.