Hurtig disposition
Dette indlæg vil demonstrere:
Sådan implementeres ReAct-logikken med Document Store i LangChain
- Installation af Frameworks
- Leverer OpenAI API-nøgle
- Import af biblioteker
- Bruger Wikipedia Explorer
- Test af modellen
Hvordan implementerer man ReAct-logikken med Document Store i LangChain?
Sprogmodellerne trænes på en enorm pulje af data skrevet på naturlige sprog som engelsk osv. Dataene administreres og gemmes i dokumentlagrene, og brugeren kan blot indlæse data fra butikken og træne modellen. Modeltræningen kan tage flere iterationer, da hver iteration gør modellen mere effektiv og forbedret.
For at lære processen med at implementere ReAct-logik til at arbejde med dokumentlageret i LangChain skal du blot følge denne enkle vejledning:
Trin 1: Installation af Frameworks
Først skal du komme i gang med processen med at implementere ReAct-logikken til at arbejde med dokumentlageret ved at installere LangChain-rammeværket. Installation af LangChain-rammeværket vil få alle de nødvendige afhængigheder til at hente eller importere bibliotekerne for at fuldføre processen:
pip installer langkæde
Installer Wikipedia-afhængighederne for denne guide, da den kan bruges til at få dokumentlagrene til at arbejde med ReAct-logikken:
pip installer wikipedia 
Installer OpenAI-modulerne ved hjælp af pip-kommandoen for at få dets biblioteker og bygge store sprogmodeller eller LLM'er:
pip installer openai 
Trin 2: Levering af OpenAI API-nøgle
Efter at have installeret alle de nødvendige moduler, skal du blot sætte miljøet op ved hjælp af API-nøglen fra OpenAI-kontoen ved hjælp af følgende kode:
importere duimportere getpass
du . rundt regnet [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API-nøgle:' )
Trin 3: Import af biblioteker
Når miljøet er sat op, importerer du de biblioteker fra LangChain, der er nødvendige for at konfigurere ReAct-logikken til at arbejde med dokumentlagrene. Brug af LangChain-agenter til at få DocstoreExplaorer og agenter med dens typer til at konfigurere sprogmodellen:
fra langkæde. llms importere OpenAIfra langkæde. læge importere Wikipedia
fra langkæde. agenter importere initialize_agent , Værktøj
fra langkæde. agenter importere AgentType
fra langkæde. agenter . reagere . grundlag importere DocstoreExplorer
Trin 4: Brug af Wikipedia Explorer
Konfigurer ' læge ” variabel med DocstoreExplorer()-metoden og kald Wikipedia()-metoden i dens argument. Byg den store sprogmodel ved hjælp af OpenAI-metoden med ' tekst-davinci-002 ”-model efter indstilling af værktøjerne til agenten:
læge = DocstoreExplorer ( Wikipedia ( ) )værktøjer = [
Værktøj (
navn = 'Søg' ,
func = læge. Søg ,
beskrivelse = 'Det bruges til at stille forespørgsler/prompter med søgningen' ,
) ,
Værktøj (
navn = 'Kig op' ,
func = læge. kig op ,
beskrivelse = 'Det bruges til at stille forespørgsler/prompter med opslag' ,
) ,
]
llm = OpenAI ( temperatur = 0 , model_name = 'text-davinci-002' )
#definere variablen ved at konfigurere modellen med agenten
reagere = initialize_agent ( værktøjer , llm , agent = AgentType. REACT_DOCSTORE , ordrig = Rigtigt )
Trin 5: Test af modellen
Når modellen er bygget og konfigureret, skal du indstille spørgsmålsstrengen og køre metoden med spørgsmålsvariablen i argumentet:
spørgsmål = 'Hvilken amerikanske flådeadmiral samarbejdede med forfatteren David Chanoff'reagere. løb ( spørgsmål )
Når spørgsmålsvariablen er udført, har modellen forstået spørgsmålet uden nogen ekstern promptskabelon eller træning. Modellen trænes automatisk ved hjælp af den model, der blev uploadet i det foregående trin, og genererer tekst i overensstemmelse hermed. ReAct-logikken arbejder med dokumentlagrene for at udtrække information baseret på spørgsmålet:
Stil et andet spørgsmål fra de data, der er givet til modellen fra dokumentlagrene, og modellen vil udtrække svaret fra butikken:
spørgsmål = 'Forfatteren David Chanoff har samarbejdet med William J Crowe, som tjente under hvilken præsident?'reagere. løb ( spørgsmål )
Det handler om at implementere ReAct-logikken til at arbejde med dokumentlageret i LangChain.
Konklusion
For at implementere ReAct-logikken til arbejde med dokumentlageret i LangChain skal du installere modulerne eller rammerne til opbygning af sprogmodellen. Derefter skal du opsætte miljøet for OpenAI til at konfigurere LLM og indlæse modellen fra dokumentlageret for at implementere ReAct-logikken. Denne vejledning har uddybet implementeringen af ReAct-logikken til at arbejde med dokumentlageret.