Как добавить состояние памяти в цепочку с помощью LangChain?

Это руководство проиллюстрирует процесс загрузки цепочек из LangChain Hub.

Как добавить состояние памяти в цепочку с помощью LangChain?

Состояние памяти можно использовать для инициализации цепочек, поскольку оно может ссылаться на последнее значение, хранящееся в цепочках, которое будет использоваться при возврате вывода. Чтобы изучить процесс добавления состояния памяти в цепочки с использованием платформы LangChain, просто прочтите это простое руководство:

Шаг 1. Установите модули

Во-первых, приступите к процессу, установив фреймворк LangChain с его зависимостями с помощью команды pip:

Установите также модуль OpenAI, чтобы получить его библиотеки, которые можно использовать для добавления состояния памяти в цепочку:

Получите ключ API от учетной записи OpenAI и настроить среду используя его, чтобы цепи могли получить к нему доступ:

Этот шаг важен для правильной работы кода.

Шаг 2. Импортируйте библиотеки

После настройки среды просто импортируйте библиотеки для добавления состояния памяти, такие как LLMChain, ConversationBufferMemory и многие другие:

Шаг 3: Построение цепочек

Теперь просто постройте цепочки для LLM, используя метод OpenAI() и шаблон приглашения, используя запрос для вызова цепочки:

Модель отобразила выходные данные с использованием модели LLM, как показано на снимке экрана ниже:

Шаг 4: Добавление состояния памяти

Здесь мы собираемся добавить состояние памяти в цепочку с помощью метода ConversationBufferMemory() и запустить цепочку, чтобы получить 3 цвета радуги:

Модель отображает только три цвета радуги, а контекст хранится в памяти цепочки:

Здесь мы запускаем цепочку неоднозначной командой типа « еще 4? », поэтому модель сама получает контекст из памяти и отображает оставшиеся цвета радуги:

Модель сделала именно это, поскольку поняла контекст и вернула оставшиеся четыре цвета из набора радуги:

Вот и все, что касается загрузки цепочек из LangChain Hub.

Заключение

Чтобы добавить память цепочками с помощью фреймворка LangChain, просто установите модули, чтобы настроить среду для построения LLM. После этого импортируйте библиотеки, необходимые для построения цепочек в LLM, а затем добавьте в него состояние памяти. После добавления состояния памяти в цепочку просто дайте цепочке команду, чтобы получить выходные данные, а затем дайте другую команду в контексте предыдущей, чтобы получить правильный ответ. В этом посте подробно описан процесс добавления состояния памяти в цепочки с использованием платформы LangChain.