โครงร่างด่วน
โพสต์นี้จะสาธิต:
วิธีใช้ ReAct Logic ด้วย Document Store ใน LangChain
จะใช้ ReAct Logic พร้อมที่เก็บเอกสารใน LangChain ได้อย่างไร
โมเดลภาษาได้รับการฝึกฝนบนแหล่งรวมข้อมูลขนาดใหญ่ที่เขียนด้วยภาษาธรรมชาติ เช่น ภาษาอังกฤษ ฯลฯ ข้อมูลได้รับการจัดการและจัดเก็บไว้ในที่เก็บเอกสาร และผู้ใช้สามารถโหลดข้อมูลจากร้านค้าและฝึกฝนโมเดลได้ การฝึกโมเดลสามารถทำซ้ำได้หลายครั้ง เนื่องจากการวนซ้ำแต่ละครั้งจะทำให้โมเดลมีประสิทธิภาพและปรับปรุงมากขึ้น
หากต้องการเรียนรู้กระบวนการนำตรรกะ ReAct ไปใช้สำหรับการทำงานกับที่เก็บเอกสารใน LangChain เพียงทำตามคำแนะนำง่ายๆ นี้:
ขั้นตอนที่ 1: การติดตั้งกรอบงาน
ขั้นแรก เริ่มต้นด้วยกระบวนการนำตรรกะ ReAct ไปใช้สำหรับการทำงานกับที่เก็บเอกสารโดยการติดตั้งเฟรมเวิร์ก LangChain การติดตั้งเฟรมเวิร์ก LangChain จะได้รับการอ้างอิงที่จำเป็นทั้งหมดเพื่อรับหรือนำเข้าไลบรารีเพื่อให้กระบวนการเสร็จสมบูรณ์:
pip ติดตั้ง langchain
ติดตั้งการขึ้นต่อกันของ Wikipedia สำหรับคู่มือนี้ เนื่องจากสามารถใช้เพื่อให้ที่เก็บเอกสารทำงานกับตรรกะ ReAct:
pip ติดตั้งวิกิพีเดีย
ติดตั้งโมดูล OpenAI โดยใช้คำสั่ง pip เพื่อรับไลบรารีและสร้างโมเดลภาษาขนาดใหญ่หรือ LLM:
pip ติดตั้ง openai
ขั้นตอนที่ 2: จัดเตรียมคีย์ OpenAI API
หลังจากติดตั้งโมดูลที่จำเป็นทั้งหมดแล้ว ตั้งค่าสภาพแวดล้อม ใช้คีย์ API จากบัญชี OpenAI โดยใช้รหัสต่อไปนี้:
นำเข้า คุณนำเข้า รับผ่าน
คุณ . ประมาณ [ 'OPENAI_API_KEY' ] = รับผ่าน . รับผ่าน ( 'คีย์ OpenAI API:' )
ขั้นตอนที่ 3: การนำเข้าไลบรารี
เมื่อตั้งค่าสภาพแวดล้อมแล้ว ให้นำเข้าไลบรารีจาก LangChain ที่จำเป็นในการกำหนดค่าตรรกะ ReAct สำหรับการทำงานกับที่เก็บเอกสาร การใช้ตัวแทน LangChain เพื่อรับ DocstoreExplaorer และตัวแทนพร้อมประเภทเพื่อกำหนดค่าโมเดลภาษา:
จาก แลงเชน llms นำเข้า OpenAIจาก แลงเชน หมอสโตร์ นำเข้า วิกิพีเดีย
จาก แลงเชน ตัวแทน นำเข้า เตรียมใช้งาน_ตัวแทน , เครื่องมือ
จาก แลงเชน ตัวแทน นำเข้า ประเภทตัวแทน
จาก แลงเชน ตัวแทน . ตอบสนอง . ฐาน นำเข้า หมอสโตร์เอ็กซ์พลอเรอร์
ขั้นตอนที่ 4: การใช้ Wikipedia Explorer
กำหนดค่า “ หมอสโตร์ ” ตัวแปรด้วยเมธอด DocstoreExplorer() และเรียกเมธอด Wikipedia() ในอาร์กิวเมนต์ สร้างโมเดลภาษาขนาดใหญ่โดยใช้วิธี OpenAI ด้วย ' ข้อความ-davinci-002 ” โมเดลหลังจากตั้งค่าเครื่องมือสำหรับตัวแทน:
หมอสโตร์ = หมอสโตร์เอ็กซ์พลอเรอร์ ( วิกิพีเดีย ( ) )เครื่องมือ = [
เครื่องมือ (
ชื่อ = 'ค้นหา' ,
ฟังก์ชั่น = หมอสโตร์ ค้นหา ,
คำอธิบาย = 'ใช้สำหรับถามคำถาม/พร้อมท์ในการค้นหา' ,
) ,
เครื่องมือ (
ชื่อ = 'ค้นหา' ,
ฟังก์ชั่น = หมอสโตร์ ค้นหา ,
คำอธิบาย = 'ใช้สำหรับถามคำถาม/พร้อมท์ด้วยการค้นหา' ,
) ,
]
llm = OpenAI ( อุณหภูมิ = 0 , รุ่น_ชื่อ = 'ข้อความ-ดาวินชี-002' )
#กำหนดตัวแปรโดยการกำหนดค่าโมเดลกับเอเจนต์
ตอบสนอง = เตรียมใช้งาน_ตัวแทน ( เครื่องมือ , llm , ตัวแทน = ประเภทตัวแทน REACT_DOCSTORE , รายละเอียด = จริง )
ขั้นตอนที่ 5: ทดสอบโมเดล
เมื่อสร้างและกำหนดค่าโมเดลแล้ว ให้ตั้งค่าสตริงคำถามและรันเมธอดด้วยตัวแปรคำถามในอาร์กิวเมนต์:
คำถาม = “พลเรือเอกกองทัพเรือสหรัฐฯ คนไหนที่ร่วมมือกับผู้เขียน เดวิด ชานอฟ”ตอบสนอง วิ่ง ( คำถาม )
เมื่อดำเนินการตัวแปรคำถาม โมเดลจะเข้าใจคำถามโดยไม่ต้องมีเทมเพลตหรือการฝึกอบรมจากภายนอก โมเดลกำลังได้รับการฝึกฝนโดยอัตโนมัติโดยใช้โมเดลที่อัปโหลดในขั้นตอนก่อนหน้า และสร้างข้อความตามนั้น ตรรกะ ReAct ทำงานร่วมกับที่เก็บเอกสารเพื่อดึงข้อมูลตามคำถาม:
ถามคำถามอื่นจากข้อมูลที่ให้กับโมเดลจากร้านค้าเอกสาร และโมเดลจะดึงคำตอบจากร้านค้า:
คำถาม = 'ผู้เขียน เดวิด ชานอฟ ได้ร่วมงานกับวิลเลียม เจ โครว์ ซึ่งดำรงตำแหน่งประธานาธิบดีคนไหน'ตอบสนอง วิ่ง ( คำถาม )
นั่นคือทั้งหมดที่เกี่ยวกับการใช้ตรรกะ ReAct สำหรับการทำงานกับที่เก็บเอกสารใน LangChain
บทสรุป
หากต้องการใช้ตรรกะ ReAct สำหรับการทำงานกับที่เก็บเอกสารใน LangChain ให้ติดตั้งโมดูลหรือเฟรมเวิร์กสำหรับการสร้างแบบจำลองภาษา หลังจากนั้น ให้ตั้งค่าสภาพแวดล้อมสำหรับ OpenAI เพื่อกำหนดค่า LLM และโหลดโมเดลจากที่เก็บเอกสารเพื่อใช้ตรรกะ ReAct คู่มือนี้ได้อธิบายอย่างละเอียดเกี่ยวกับการใช้ตรรกะ ReAct สำหรับการทำงานกับที่เก็บเอกสาร