Краткое описание
Этот пост продемонстрирует:
Как реализовать логику ReAct с хранилищем документов в LangChain
- Установка фреймворков
- Предоставление ключа API OpenAI
- Импорт библиотек
- Использование Википедии Эксплорер
- Тестирование модели
Как реализовать логику ReAct с хранилищем документов в LangChain?
Языковые модели обучаются на огромном пуле данных, написанных на естественных языках, таких как английский и т. д. Данные управляются и хранятся в хранилищах документов, и пользователь может просто загрузить данные из хранилища и обучить модель. Обучение модели может занять несколько итераций, поскольку каждая итерация делает модель более эффективной и улучшенной.
Чтобы изучить процесс реализации логики ReAct для работы с хранилищем документов в LangChain, просто следуйте этому простому руководству:
Шаг 1: Установка фреймворков
Для начала приступим к процессу реализации логики ReAct для работы с хранилищем документов, установив фреймворк LangChain. Установка платформы LangChain позволит получить все необходимые зависимости для получения или импорта библиотек для завершения процесса:
pip установить langchain
Установите зависимости Википедии для этого руководства, так как их можно использовать для работы хранилищ документов с логикой ReAct:
pip install википедия 
Установите модули OpenAI с помощью команды pip, чтобы получить библиотеки и построить большие языковые модели или LLM:
pip установить openai 
Шаг 2. Предоставление ключа API OpenAI
После установки всех необходимых модулей просто настроить среду используя ключ API от учетной записи OpenAI, используя следующий код:
Импортировать тыИмпортировать получить пропуск
ты . примерно [ 'ОПЕНАЙ_API_KEY' ] '=' получить пропуск . получить пропуск ( «Ключ API OpenAI:» )
Шаг 3: Импорт библиотек
После настройки среды импортируйте из LangChain библиотеки, необходимые для настройки логики ReAct для работы с хранилищами документов. Использование агентов LangChain для получения DocstoreExplaorer и агентов с его типами для настройки языковой модели:
от лангчейн. llms Импортировать ОпенАИот лангчейн. врачебный магазин Импортировать Википедия
от лангчейн. агенты Импортировать инициализировать_агент , Инструмент
от лангчейн. агенты Импортировать Тип агента
от лангчейн. агенты . реагировать . база Импортировать DocstoreExplorer
Шаг 4. Использование Wikipedia Explorer
Настройте « врачебный магазин ” с помощью метода DocstoreExplorer() и вызовите в его аргументе метод Wikipedia(). Постройте большую языковую модель, используя метод OpenAI с « текст-давинчи-002 » модель после настройки инструментов для агента:
врачебный магазин '=' DocstoreExplorer ( Википедия ( ) )инструменты '=' [
Инструмент (
имя '=' 'Поиск' ,
функция '=' докторский магазин. поиск ,
описание '=' «Он используется для запроса запросов/подсказок при поиске» ,
) ,
Инструмент (
имя '=' 'Искать' ,
функция '=' докторский магазин. искать ,
описание '=' «Он используется для запроса запросов/подсказок с помощью поиска» ,
) ,
]
лм '=' ОпенАИ ( температура '=' 0 , название модели '=' 'текст-давинчи-002' )
#определение переменной путем настройки модели с помощью агента
реагировать '=' инициализировать_агент ( инструменты , лм , агент '=' Тип Агента. REACT_DOCSTORE , подробный '=' Истинный )
Шаг 5: Тестирование модели
После того как модель построена и настроена, задайте строку вопроса и запустите метод с переменной вопроса в качестве аргумента:
вопрос '=' «Какой адмирал ВМС США сотрудничал с писателем Дэвидом Чаноффом»реагировать. бегать ( вопрос )
После выполнения переменной вопроса модель понимает вопрос без какого-либо внешнего шаблона подсказки или обучения. Модель обучается автоматически с использованием модели, загруженной на предыдущем шаге, и соответствующим образом генерирует текст. Логика ReAct работает с хранилищами документов для извлечения информации на основе вопроса:
Задайте другой вопрос на основе данных, предоставленных модели из хранилища документов, и модель извлечет ответ из хранилища:
вопрос '=' «Автор Дэвид Чанофф сотрудничал с Уильямом Дж. Кроу, который служил при каком президенте?»реагировать. бегать ( вопрос )
Вот и всё, что касается реализации логики ReAct для работы с хранилищем документов в LangChain.
Заключение
Чтобы реализовать логику ReAct для работы с хранилищем документов в LangChain, установите модули или фреймворки для построения языковой модели. После этого настройте среду OpenAI для настройки LLM и загрузки модели из хранилища документов для реализации логики ReAct. В этом руководстве подробно описана реализация логики ReAct для работы с хранилищем документов.