Szybki zarys
Ten post pokaże:
Jak zaimplementować logikę ReAct z magazynem dokumentów w LangChain
- Instalowanie frameworków
- Udostępnienie klucza API OpenAI
- Importowanie bibliotek
- Korzystanie z Eksploratora Wikipedii
- Testowanie modelu
Jak zaimplementować logikę ReAct z magazynem dokumentów w LangChain?
Modele językowe są trenowane na ogromnej puli danych zapisanych w językach naturalnych, takich jak angielski itp. Dane są zarządzane i przechowywane w magazynach dokumentów, a użytkownik może po prostu załadować dane ze sklepu i wytrenować model. Uczenie modelu może trwać wiele iteracji, ponieważ każda iteracja sprawia, że model jest bardziej efektywny i ulepszony.
Aby poznać proces implementacji logiki ReAct do pracy z magazynem dokumentów w LangChain, wystarczy postępować zgodnie z tym prostym przewodnikiem:
Krok 1: Instalowanie frameworków
Najpierw rozpocznij proces wdrażania logiki ReAct do pracy z magazynem dokumentów, instalując framework LangChain. Zainstalowanie frameworka LangChain spowoduje uzyskanie wszystkich wymaganych zależności, aby pobrać lub zaimportować biblioteki w celu zakończenia procesu:
pip zainstaluj langchain
Zainstaluj zależności Wikipedii dla tego przewodnika, ponieważ można ich użyć, aby magazyny dokumentów współpracowały z logiką ReAct:
pip zainstaluj Wikipedię
Zainstaluj moduły OpenAI za pomocą polecenia pip, aby pobrać ich biblioteki i zbudować duże modele językowe lub LLM:
pip zainstaluj openai
Krok 2: Zapewnienie klucza API OpenAI
Po zainstalowaniu wszystkich wymaganych modułów, po prostu skonfiguruj środowisko za pomocą klucza API z konta OpenAI przy użyciu następującego kodu:
import Tyimport przejść dalej
Ty . około [ „OPENAI_API_KEY” ] = przejść dalej . przejść dalej ( „Klucz API OpenAI:” )
Krok 3: Importowanie bibliotek
Po skonfigurowaniu środowiska zaimportuj biblioteki z LangChain, które są wymagane do skonfigurowania logiki ReAct do pracy z magazynami dokumentów. Używanie agentów LangChain do pobierania DocstoreExplaorera i agentów z jego typami do konfigurowania modelu języka:
z łańcuch językowy. llms import OpenAIz łańcuch językowy. sklep z dokumentami import Wikipedia
z łańcuch językowy. agenci import zainicjuj_agent , Narzędzie
z łańcuch językowy. agenci import Typ agenta
z łańcuch językowy. agenci . reagować . baza import Eksplorator dokumentów
Krok 4: Korzystanie z Eksploratora Wikipedii
Skonfiguruj „ sklep z dokumentami ” za pomocą metody DocstoreExplorer() i wywołaj metodę Wikipedia() w jej argumencie. Zbuduj model dużego języka przy użyciu metody OpenAI z „ tekst-davinci-002 ” model po ustawieniu narzędzi dla agenta:
sklep z dokumentami = Eksplorator dokumentów ( Wikipedia ( ) )narzędzia = [
Narzędzie (
nazwa = 'Szukaj' ,
funk = sklep z dokumentami. szukaj ,
opis = „Służy do zadawania zapytań/podpowiedzi podczas wyszukiwania” ,
) ,
Narzędzie (
nazwa = 'Spojrzeć w górę' ,
funk = sklep z dokumentami. spojrzeć w górę ,
opis = „Służy do zadawania zapytań/podpowiedzi podczas wyszukiwania” ,
) ,
]
llm = OpenAI ( temperatura = 0 , Nazwa modelu = „tekst-davinci-002” )
#definiowanie zmiennej poprzez konfigurację modelu z agentem
reagować = zainicjuj_agent ( narzędzia , llm , agent = Typ agenta. REACT_DOCSTORE , gadatliwy = PRAWDA )
Krok 5: Testowanie modelu
Po zbudowaniu i skonfigurowaniu modelu ustaw ciąg pytania i uruchom metodę ze zmienną pytania w argumencie:
pytanie = „Który admirał Marynarki Wojennej Stanów Zjednoczonych współpracował z autorem Davidem Chanoffem”reagować. uruchomić ( pytanie )
Po wykonaniu zmiennej pytania model zrozumiał pytanie bez zewnętrznego szablonu podpowiedzi lub szkolenia. Model jest szkolony automatycznie przy użyciu modelu przesłanego w poprzednim kroku i odpowiednio generuje tekst. Logika ReAct współpracuje z magazynami dokumentów w celu wyodrębnienia informacji na podstawie pytania:
Zadaj kolejne pytanie na podstawie danych dostarczonych modelowi z magazynów dokumentów, a model wyciągnie odpowiedź ze sklepu:
pytanie = „Autor David Chanoff współpracował z Williamem J. Crowe, który służył za którego prezydenta?”reagować. uruchomić ( pytanie )
Chodzi o wdrożenie logiki ReAct do pracy z magazynem dokumentów w LangChain.
Wniosek
Aby zaimplementować logikę ReAct do pracy z magazynem dokumentów w LangChain, zainstaluj moduły lub frameworki do budowy modelu językowego. Następnie skonfiguruj środowisko dla OpenAI, aby skonfigurować LLM i załaduj model z magazynu dokumentów, aby zaimplementować logikę ReAct. W tym przewodniku szczegółowo omówiono implementację logiki ReAct do pracy z magazynem dokumentów.