Quick Outline
Tämä viesti osoittaa seuraavaa:
- Kuinka päästä agentin välivaiheisiin LangChainissa
- Kehysten asentaminen
- OpenAI-ympäristön asettaminen
- Kirjastojen tuonti
- Rakennus LLM ja agentti
- Agentin käyttäminen
- Tapa 1: Oletuspalautustyyppi päästäksesi välivaiheisiin
- Tapa 2: 'Kaatopaikkojen' käyttäminen päästäksesi välivaiheisiin
- Johtopäätös
Kuinka päästä agentin välivaiheisiin LangChainissa?
Agentin rakentamiseksi LangChainissa käyttäjän on määritettävä sen työkalut ja mallin rakenne saadakseen mallin vaiheiden määrän. Agentti on vastuussa välivaiheiden, kuten ajatusten, toimintojen, havaintojen jne. automatisoinnista. Jos haluat oppia pääsemään agentin välivaiheisiin LangChainissa, seuraa lueteltuja vaiheita:
Vaihe 1: Kehysten asentaminen
Ensinnäkin, asenna LangChainin riippuvuudet suorittamalla seuraava koodi Python-muistikirjassa:
pip asennus langchain_experimental
Asenna OpenAI-moduuli saadaksesi sen riippuvuudet käyttämällä pip komento ja käytä niitä kielimallin rakentamiseen:
pip install openai
Vaihe 2: OpenAI-ympäristön asettaminen
Kun moduulit on asennettu, asenna OpenAI-ympäristö käyttämällä sen tililtä luotua API-avainta:
tuonti sinä
tuonti getpass
sinä. suunnilleen [ 'OPENAI_API_KEY' ] = getpass. getpass ( 'OpenAI API Key:' )
Vaihe 3: Kirjastojen tuonti
Nyt kun olemme asentaneet riippuvuudet, käytä niitä kirjastojen tuomiseen LangChainista:
langchainista. agentit tuonti load_toolslangchainista. agentit tuonti alustusagentti
langchainista. agentit tuonti AgentType
langchainista. llms tuonti OpenAI
Vaihe 4: Luo LLM ja agentti
Kun kirjastot on tuotu, on aika käyttää niitä agentin kielimallin ja työkalujen rakentamiseen. Määritä llm-muuttuja ja määritä se OpenAI()-metodilla, joka sisältää lämpötila- ja mallin_nimi-argumentit. ' työkaluja ”-muuttuja sisältää load_tools()-menetelmän SerpAPi- ja llm-math-työkaluilla sekä kielimallin argumentissaan:
llm = OpenAI ( lämpötila = 0 , mallinimi = 'text-davinci-002' )työkaluja = load_tools ( [ 'serpapi' , 'llm-math' ] , llm = llm )
Kun kielimalli ja työkalut on määritetty, suunnittele agentti suorittamaan välivaiheet käyttämällä kielimallin työkaluja:
agentti = alustusagentti (työkaluja ,
llm ,
agentti = AgentType. ZERO_SHOT_REACT_DESCRIPTION ,
monisanainen = Totta ,
paluu_välivaiheet = Totta ,
)
Vaihe 5: Agentin käyttäminen
Laita agentti nyt testiin esittämällä kysymys agent()-metodin syötteestä ja suorittamalla se:
vastaus = agentti ({
'syöttö' : 'Kuka on Leo DiCaprion tyttöystävä ja mikä on heidän ikäeronsa'
}
)
Malli on työskennellyt tehokkaasti saadakseen Leo DiCaprion tyttöystävän nimen, hänen ikänsä, Leo DiCaprion iän ja niiden välisen eron. Seuraava kuvakaappaus näyttää useita kysymyksiä ja vastauksia, joita agentti on etsinyt saadakseen lopullisen vastauksen:
Yllä oleva kuvakaappaus ei näytä agentin toimintaa ja sitä, kuinka se pääsee siihen vaiheeseen löytääkseen kaikki vastaukset. Siirrytään seuraavaan osioon löytääksesi vaiheet:
Tapa 1: Oletuspalautustyyppi päästäksesi välivaiheisiin
Ensimmäinen tapa päästä välivaiheeseen on käyttää LangChainin tarjoamaa oletuspalautustyyppiä käyttämällä seuraavaa koodia:
Tulosta ( vastaus [ 'välivaiheet' ] )Seuraava GIF näyttää välivaiheet yhdellä rivillä, mikä ei ole aivan hyvä luettavuuden kannalta:
Tapa 2: 'Kaatopaikkojen' käyttäminen päästäksesi välivaiheisiin
Seuraava menetelmä selittää toisen tavan saada välivaiheet käyttämällä vedoskirjastoa LangChain-kehyksestä. Käytä dumps()-menetelmää kauniin argumentin kanssa, jotta tuloste on jäsennellympi ja helppolukuisempi:
langchainista. ladata . kaatopaikka tuonti kaatopaikatTulosta ( kaatopaikat ( vastaus [ 'välivaiheet' ] , nätti = Totta ) )
Nyt meillä on tuloste jäsennellymmässä muodossa, jota käyttäjä voi helposti lukea. Se on myös jaettu useisiin osiin, jotta se olisi järkevämpää, ja jokainen osio sisältää vaiheet vastausten löytämiseksi kysymyksiin:
Siinä on kyse agentin välivaiheiden käyttämisestä LangChainissa.
Johtopäätös
Voit käyttää agentin välivaiheita LangChainissa asentamalla moduulit kirjastojen tuontia varten kielimallien rakentamista varten. Tämän jälkeen määritä työkalut agentin alustamiseksi käyttämällä työkaluja, llm:ää ja agenttityyppiä, joka voi vastata kysymyksiin. Kun agentti on määritetty, testaa sitä saadaksesi vastaukset ja käytä sitten oletustyyppi- tai vedoskirjastoa päästäksesi välivaiheisiin. Tässä oppaassa on käsitelty LangChainin agentin välivaiheiden käyttöprosessia.