Hızlı Taslak
Bu gönderi aşağıdakileri gösterecektir:
- LangChain'de Bir Aracının Ara Adımlarına Nasıl Erişilir
- Çerçeveleri Yükleme
- OpenAI Ortamını Ayarlama
- Kütüphaneleri İçe Aktarma
- Yüksek Lisans ve Temsilcilik Binası
- Aracıyı Kullanma
- Yöntem 1: Ara Adımlara Erişim için Varsayılan Dönüş Türü
- Yöntem 2: Ara Adımlara Erişmek için 'dökümleri' kullanma
- Çözüm
LangChain'de Bir Aracının Ara Adımlarına Nasıl Erişilir?
Aracıyı LangChain'de oluşturmak için kullanıcının, modelde yer alan adım sayısını elde edecek şekilde araçlarını ve şablonun yapısını yapılandırması gerekir. Temsilci, düşünceler, eylemler, gözlemler vb. gibi ara adımların otomatikleştirilmesinden sorumludur. LangChain'de bir aracının ara adımlarına nasıl erişileceğini öğrenmek için listelenen adımları uygulamanız yeterlidir:
Adım 1: Çerçeveleri Yükleme
Her şeyden önce, Python Notebook'ta aşağıdaki kodu çalıştırarak LangChain'in bağımlılıklarını kurmanız yeterlidir:
pip kurulumu langchain_experimental
Bağımlılıklarını almak için OpenAI modülünü yükleyin. pip komutunu verin ve dil modelini oluşturmak için bunları kullanın:
pip kurulumu openai
2. Adım: OpenAI Ortamını Ayarlama
Modüller kurulduktan sonra kurulumu yapın. OpenAI ortamı hesabından oluşturulan API anahtarını kullanarak:
içe aktarmak Sen
içe aktarmak geçiş izni
Sen. yaklaşık olarak [ 'OPENAI_API_KEY' ] = geçiş izni alın. geçiş izni ( 'OpenAI API Anahtarı:' )
3. Adım: Kitaplıkları İçe Aktarma
Artık bağımlılıkları kurduğumuza göre, bunları LangChain'den kitaplıkları içe aktarmak için kullanın:
langchain'den. ajanlar içe aktarmak load_toolslangchain'den. ajanlar içe aktarmak başlat_agent
langchain'den. ajanlar içe aktarmak Temsilci Türü
langchain'den. lms içe aktarmak OpenAI
Adım 4: Yüksek Lisans ve Temsilci Oluşturma
Kitaplıklar içe aktarıldıktan sonra, aracı için dil modeli ve araçları oluşturmak amacıyla bunları kullanmanın zamanı gelmiştir. llm değişkenini tanımlayın ve bunu sıcaklık ve model_adı bağımsız değişkenlerini içeren OpenAI() yöntemiyle atayın. “ aletler ” değişkeni, SerpAPi ve llm-math araçlarıyla birlikte load_tools() yöntemini ve argümanındaki dil modelini içerir:
llm = OpenAI ( sıcaklık = 0 , model adı = 'metin-davinci-002' )aletler = load_tools ( [ 'serpapi' , 'llm-matematik' ] , llm = llm )
Dil modeli ve araçlar yapılandırıldıktan sonra, aracıyı, dil modelindeki araçları kullanarak ara adımları gerçekleştirecek şekilde tasarlamanız yeterlidir:
ajan = başlat_agent (aletler ,
llm ,
ajan = AgentType. ZERO_SHOT_REACT_DESCRIPTION ,
ayrıntılı = Doğru ,
return_intermediate_steps = Doğru ,
)
Adım 5: Aracıyı Kullanma
Şimdi, Agent() yönteminin girişinde bir soru sorup bu soruyu yürüterek aracıyı teste tabi tutun:
cevap = ajan ({
'giriş' : 'Leo DiCaprio'nun kız arkadaşı kim ve aralarındaki yaş farkı nedir?'
}
)
Model, Leo DiCaprio'nun kız arkadaşının adını, yaşını, Leo DiCaprio'nun yaşını ve aralarındaki farkı öğrenmek için verimli bir şekilde çalıştı. Aşağıdaki ekran görüntüsü, temsilcinin nihai cevaba ulaşmak için aradığı çeşitli soruları ve cevapları göstermektedir:
Yukarıdaki ekran görüntüsü, temsilcinin çalışmasını ve tüm cevapları bulmak için o aşamaya nasıl geldiğini göstermez. Adımları bulmak için sonraki bölüme geçelim:
Yöntem 1: Ara Adımlara Erişim için Varsayılan Dönüş Türü
Ara adıma erişmenin ilk yöntemi, aşağıdaki kodu kullanarak LangChain tarafından sunulan varsayılan dönüş türünü kullanmaktır:
Yazdır ( cevap [ 'ara_adımlar' ] )Aşağıdaki GIF, ara adımları tek bir satırda göstermektedir; bu, okunabilirlik açısından pek iyi değildir:
Yöntem 2: Ara Adımlara Erişmek için 'dökümleri' kullanma
Sonraki yöntem, LangChain çerçevesinden döküm kitaplığını kullanarak ara adımları almanın başka bir yolunu açıklamaktadır. Çıktıyı daha yapılandırılmış ve okunması kolay hale getirmek için dumps() yöntemini Pretty argümanıyla birlikte kullanın:
langchain'den. yük . çöplük içe aktarmak çöplükYazdır ( çöplük ( cevap [ 'ara_adımlar' ] , tatlı = Doğru ) )
Artık çıktıyı kullanıcı tarafından kolayca okunabilecek daha yapılandırılmış bir biçimde elde ettik. Ayrıca daha anlamlı olması açısından birden fazla bölüme ayrılmıştır ve her bölüm, soruların yanıtlarını bulmaya yönelik adımları içerir:
Bunların hepsi LangChain'deki bir aracının ara adımlarına erişimle ilgilidir.
Çözüm
LangChain'de bir aracının ara adımlarına erişmek için, dil modelleri oluşturmaya yönelik kitaplıkları içe aktarmak üzere modülleri yükleyin. Bundan sonra, araçları, llm'yi ve soruları yanıtlayabilecek aracı türünü kullanarak aracıyı başlatmak için araçlar ayarlayın. Aracı yapılandırıldıktan sonra yanıtları almak için test edin ve ardından ara adımlara erişmek için Varsayılan tür veya döküm kitaplığını kullanın. Bu kılavuz, LangChain'deki bir aracının ara adımlarına erişim sürecini detaylandırmıştır.