Rask oversikt
Dette innlegget vil demonstrere:
Hvordan implementere ReAct-logikken med Document Store i LangChain
- Installere Frameworks
- Leverer OpenAI API-nøkkel
- Importerer biblioteker
- Bruker Wikipedia Explorer
- Tester modellen
Hvordan implementere ReAct-logikken med Document Store i LangChain?
Språkmodellene er trent på en enorm pool av data skrevet på naturlige språk som engelsk, etc. Dataene administreres og lagres i dokumentlagrene og brukeren kan enkelt laste inn data fra butikken og trene modellen. Modellopplæringen kan ta flere iterasjoner ettersom hver iterasjon gjør modellen mer effektiv og forbedret.
For å lære prosessen med å implementere ReAct-logikk for å jobbe med dokumentlageret i LangChain, følg ganske enkelt denne enkle veiledningen:
Trinn 1: Installere Frameworks
Først, kom i gang med prosessen med å implementere ReAct-logikken for å jobbe med dokumentlageret ved å installere LangChain-rammeverket. Installering av LangChain-rammeverket vil få alle nødvendige avhengigheter for å hente eller importere bibliotekene for å fullføre prosessen:
pip installer langkjede
Installer Wikipedia-avhengighetene for denne veiledningen, da den kan brukes til å få dokumentlagrene til å fungere med ReAct-logikken:
pip installer wikipedia 
Installer OpenAI-modulene ved å bruke pip-kommandoen for å hente bibliotekene og bygge store språkmodeller eller LLM-er:
pip installer openai 
Trinn 2: Oppgi OpenAI API-nøkkel
Etter å ha installert alle nødvendige moduler, ganske enkelt sette opp miljøet ved å bruke API-nøkkelen fra OpenAI-kontoen ved å bruke følgende kode:
import duimport få pass
du . omtrent [ 'OPENAI_API_KEY' ] = få pass . få pass ( 'OpenAI API Key:' )
Trinn 3: Importere biblioteker
Når miljøet er satt opp, importerer du bibliotekene fra LangChain som kreves for å konfigurere ReAct-logikken for arbeid med dokumentlagrene. Bruk av LangChain-agenter for å få DocstoreExplaorer og agenter med dens typer til å konfigurere språkmodellen:
fra langkjede. llms import OpenAIfra langkjede. lege import Wikipedia
fra langkjede. agenter import initialize_agent , Verktøy
fra langkjede. agenter import AgentType
fra langkjede. agenter . reagere . utgangspunkt import DocstoreExplorer
Trinn 4: Bruke Wikipedia Explorer
Konfigurer ' lege ” variabel med DocstoreExplorer()-metoden og kall Wikipedia()-metoden i argumentet. Bygg den store språkmodellen ved å bruke OpenAI-metoden med ' tekst-davinci-002 modell etter å ha satt verktøyene for agenten:
lege = DocstoreExplorer ( Wikipedia ( ) )verktøy = [
Verktøy (
Navn = 'Søk' ,
func = lege. Søk ,
beskrivelse = 'Den brukes til å stille spørsmål/forespørsler med søket' ,
) ,
Verktøy (
Navn = 'Se opp' ,
func = lege. se opp ,
beskrivelse = 'Den brukes til å stille spørsmål/forespørsler med oppslag' ,
) ,
]
llm = OpenAI ( temperatur = 0 , modell navn = 'text-davinci-002' )
#definere variabelen ved å konfigurere modellen med agenten
reagere = initialize_agent ( verktøy , llm , middel = AgentType. REACT_DOCSTORE , ordrik = ekte )
Trinn 5: Testing av modellen
Når modellen er bygget og konfigurert, setter du spørsmålsstrengen og kjører metoden med spørsmålsvariabelen i argumentet:
spørsmål = 'Hvilken amerikanske marineadmiral samarbeidet med forfatter David Chanoff'reagere. løpe ( spørsmål )
Når spørsmålsvariabelen er utført, har modellen forstått spørsmålet uten noen ekstern forespørselsmal eller opplæring. Modellen trenes automatisk ved å bruke modellen lastet opp i forrige trinn og genererer tekst deretter. ReAct-logikken jobber med dokumentlagrene for å trekke ut informasjon basert på spørsmålet:
Still et annet spørsmål fra dataene gitt til modellen fra dokumentlagrene, og modellen vil trekke ut svaret fra butikken:
spørsmål = 'Forfatter David Chanoff har samarbeidet med William J Crowe som tjente under hvilken president?'reagere. løpe ( spørsmål )
Det handler om å implementere ReAct-logikken for å jobbe med dokumentlageret i LangChain.
Konklusjon
For å implementere ReAct-logikken for arbeid med dokumentlageret i LangChain, installer modulene eller rammeverket for å bygge språkmodellen. Sett deretter opp miljøet for OpenAI for å konfigurere LLM og last inn modellen fra dokumentlageret for å implementere ReAct-logikken. Denne veiledningen har utdypet implementeringen av ReAct-logikken for arbeid med dokumentlageret.