Tato příručka bude ilustrovat proces spuštění LLMChains v LangChain.
Jak spustit LLMCains v LangChain?
LangChain poskytuje funkce nebo závislosti pro vytváření LLMChain pomocí LLM/Chatbotů a šablon výzvy. Chcete-li se naučit proces vytváření a provozování LLMCains v LangChain, jednoduše postupujte podle následujícího průvodce:
Krok 1: Nainstalujte balíčky
Nejprve začněte s procesem instalací modulu LangChain, abyste získali jeho závislosti pro vytváření a provozování LLMChains:
pip install langchain
Nainstalujte rámec OpenAI pomocí příkazu pip, aby knihovny mohly používat funkci OpenAI() pro vytváření LLM:
pip install openai
Po instalaci modulů jednoduše nastavit prostředí proměnné pomocí klíče API z účtu OpenAI:
import vy
import getpass
vy . přibližně [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'Klíč OpenAI API:' )
Krok 2: Import knihoven
Jakmile je nastavení dokončeno a jsou nainstalovány všechny požadované balíčky, importujte požadované knihovny pro vytvoření šablony výzvy. Poté jednoduše vytvořte LLM pomocí metody OpenAI() a nakonfigurujte LLMChain pomocí šablony LLM a výzvy:
z langchain import PromptTemplatez langchain import OpenAI
z langchain import LLMCain
prompt_template = 'Dejte mi dobrý název pro firmu, která vyrábí {produkt}?'
llm = OpenAI ( teplota = 0 )
llm_chain = LLMCain (
llm = llm ,
výzva = PromptTemplate. from_template ( prompt_template )
)
llm_chain ( 'barevné oblečení' )
Krok 3: Běžící řetězy
Získejte vstupní seznam obsahující různé produkty vyráběné firmou a spusťte řetězec, aby se seznam zobrazil na obrazovce:
input_list = [{ 'produkt' : 'ponožky' } ,
{ 'produkt' : 'počítač' } ,
{ 'produkt' : 'obuv' }
]
llm_chain. aplikovat ( input_list )
Spusťte metodu create() pomocí input_list s LLMChains, abyste získali výstup související s konverzací generovanou modelem:
llm_chain. generovat ( input_list )
Krok 4: Použití jednoho vstupu
Přidejte další produkt ke spuštění LLMCains pomocí pouze jednoho vstupu a poté předpovězte LLMCain pro generování výstupu:
llm_chain. předpovědět ( produkt = 'barevné ponožky' )Krok 5: Použití více vstupů
Nyní vytvořte šablonu pro použití více vstupů pro poskytnutí příkazu modelu před spuštěním řetězce:
šablona = '''Řekni mi vtip s {přídavným jménem} o {předmětu}.'''výzva = PromptTemplate ( šablona = šablona , vstupní_proměnné = [ 'přídavné jméno' , 'předmět' ] )
llm_chain = LLMCain ( výzva = výzva , llm = OpenAI ( teplota = 0 ) )
llm_chain. předpovědět ( přídavné jméno = 'smutný' , předmět = 'Kachny' )
Krok 6: Použití výstupního analyzátoru
Tento krok používá metodu výstupního analyzátoru ke spuštění LLMChain, aby získal výstup na základě výzvy:
z langchain. výstupní_analyzátory import CommaSeparatedListOutputParseroutput_parser = CommaSeparatedListOutputParser ( )
šablona = '''Seznam všech barev v duze'''
výzva = PromptTemplate ( šablona = šablona , vstupní_proměnné = [ ] , output_parser = output_parser )
llm_chain = LLMCain ( výzva = výzva , llm = llm )
llm_chain. předpovědět ( )
Použití metody parse() k získání výstupu vygeneruje čárkami oddělený seznam všech barev v duze:
llm_chain. predikovat_a_analyzovat ( )
Krok 7: Inicializace z řetězců
Tento krok vysvětluje proces použití řetězce jako výzvy ke spuštění LLMChain pomocí modelu a šablony LLM:
šablona = '''Řekni mi vtip s {přídavným jménem} o {předmětu}'''llm_chain = LLMCain. z_řetězce ( llm = llm , šablona = šablona )
Zadejte hodnoty proměnných ve výzvě řetězce, abyste získali výstup z modelu spuštěním LLMChain:
llm_chain. předpovědět ( přídavné jméno = 'smutný' , předmět = 'Kachny' )To je vše o provozování LLMChains pomocí rámce LangChain.
Závěr
Chcete-li sestavit a spustit LLMCains v LangChain, nainstalujte předpoklady, jako jsou balíčky, a nastavte prostředí pomocí klíče API OpenAI. Poté naimportujte požadované knihovny pro konfiguraci šablony výzvy a modelu pro spuštění LLMChain pomocí závislostí LangChain. Uživatel může použít výstupní analyzátory a řetězcové příkazy ke spuštění LLMChains, jak je ukázáno v příručce. Tato příručka rozpracovala kompletní proces provozování LLMChains v LangChain.