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:
ปิ๊ป ติดตั้ง แลงเชน
หากต้องการติดตั้งเฟรมเวิร์ก OpenAI ให้ใช้คีย์ API เพื่อโต้ตอบกับ LLM ผ่านโค้ดต่อไปนี้:
ตอนนี้นำเข้า “ คุณ ' และ ' รับผ่าน ” เพื่อใช้คีย์ OpenAI API หลังจากรันโค้ด:
นำเข้าเรา
นำเข้า getpass
ระบบปฏิบัติการ.สภาพแวดล้อม [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'คีย์ OpenAI API:' )
กำลังเรียก LLM
นำเข้าไลบรารี OpenAI จากโมดูล LangChain เพื่อกำหนดฟังก์ชันให้กับ ' llm ' ตัวแปร:
จาก langchain.llms นำเข้า OpenAIllm = OpenAI ( )
หลังจากนั้นเพียงโทรไปที่ “ llm ” และแบบสอบถามพร้อมท์เป็นพารามิเตอร์:
สร้างหลายข้อความโดยใช้ LLM
ใช้เมธอด Generate() พร้อมข้อความแจ้งหลายรายการในภาษาธรรมชาติเพื่อสร้างข้อความจาก LLM และจัดเก็บไว้ใน ' llm_result ' ตัวแปร:
llm_result = llm.สร้าง ( [ “ฉันอยากฟังเรื่องตลก” , 'เขียนบทกวี' ] * สิบห้า )
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