จะโต้ตอบกับ LLM โดยใช้ LangChain ได้อย่างไร?

โมเดลภาษาขนาดใหญ่หรือ LLM เป็นอัลกอริธึมโครงข่ายประสาทเทียมที่มีประสิทธิภาพในการสร้างแชทบอทที่ดึงข้อมูลโดยใช้คำสั่งในภาษาธรรมชาติ LLM ช่วยให้เครื่องจักร/คอมพิวเตอร์เข้าใจภาษาธรรมชาติได้ดีขึ้น และสร้างภาษาได้เหมือนมนุษย์ โมดูล LangChain ยังทำงานเพื่อสร้างโมเดล NLP อีกด้วย อย่างไรก็ตาม ไม่มี LLM แต่สามารถโต้ตอบกับ LLM ต่างๆ ได้

คู่มือนี้จะอธิบายกระบวนการโต้ตอบกับโมเดลภาษาขนาดใหญ่โดยใช้ LangChain

จะโต้ตอบกับ LLM โดยใช้ LangChain ได้อย่างไร?

หากต้องการโต้ตอบกับ LLM โดยใช้ LangChain เพียงทำตามคำแนะนำทีละขั้นตอนง่ายๆ พร้อมตัวอย่าง:

ติดตั้งโมดูลเพื่อโต้ตอบกับ LLM

ก่อนที่จะเริ่มกระบวนการโต้ตอบกับ LLM โดยใช้ LangChain ให้ติดตั้ง “ แลงเชน ” โมดูลโดยใช้รหัสต่อไปนี้:

หากต้องการติดตั้งเฟรมเวิร์ก OpenAI ให้ใช้คีย์ API เพื่อโต้ตอบกับ LLM ผ่านโค้ดต่อไปนี้:

ตอนนี้นำเข้า “ คุณ ' และ ' รับผ่าน ” เพื่อใช้คีย์ OpenAI API หลังจากรันโค้ด:

กำลังเรียก LLM

นำเข้าไลบรารี OpenAI จากโมดูล LangChain เพื่อกำหนดฟังก์ชันให้กับ ' llm ' ตัวแปร:

หลังจากนั้นเพียงโทรไปที่ “ llm ” และแบบสอบถามพร้อมท์เป็นพารามิเตอร์:

สร้างหลายข้อความโดยใช้ LLM

ใช้เมธอด Generate() พร้อมข้อความแจ้งหลายรายการในภาษาธรรมชาติเพื่อสร้างข้อความจาก LLM และจัดเก็บไว้ใน ' llm_result ' ตัวแปร:

รับความยาวของวัตถุที่เก็บไว้ใน “ llm_result ” ตัวแปรโดยใช้ฟังก์ชันสร้าง ():

เพียงเรียกตัวแปรด้วยหมายเลขดัชนีของวัตถุ:

ภาพหน้าจอต่อไปนี้แสดงข้อความที่จัดเก็บไว้ใน ' llm_result ” ตัวแปรที่ดัชนี 0 สร้างเรื่องตลก:

ใช้เมธอด generations() พร้อมพารามิเตอร์ดัชนี -1 เพื่อสร้างบทกวีที่อยู่ในตัวแปร llm_result:

เพียงแสดงเอาต์พุตที่สร้างขึ้นในตัวแปรผลลัพธ์เพื่อรับข้อมูลเฉพาะของผู้ให้บริการที่สร้างขึ้นใน LLM ก่อนหน้าโดยใช้ฟังก์ชันที่สร้างขึ้น:

นั่นคือทั้งหมดที่เกี่ยวกับการโต้ตอบกับ LLM โดยใช้กรอบงาน LangChain เพื่อสร้างภาษาที่เป็นธรรมชาติ

บทสรุป

หากต้องการโต้ตอบกับโมเดลภาษาขนาดใหญ่โดยใช้ LangChain เพียงติดตั้งเฟรมเวิร์ก เช่น LangChain และ OpenAI เพื่อนำเข้าไลบรารีสำหรับ LLM หลังจากนั้น ให้จัดเตรียมคีย์ OpenAI API เพื่อใช้เป็น LLM เพื่อทำความเข้าใจหรือสร้างภาษาธรรมชาติ ใช้ LLM สำหรับพร้อมท์การป้อนข้อมูลในภาษาธรรมชาติ จากนั้นเรียกใช้เพื่อสร้างข้อความตามคำสั่ง คู่มือนี้ได้อธิบายกระบวนการโต้ตอบกับโมเดลภาษาขนาดใหญ่โดยใช้โมดูล LangChain