త్వరిత రూపురేఖలు
ఈ పోస్ట్ ప్రదర్శిస్తుంది:
లాంగ్‌చెయిన్‌లో డాక్యుమెంట్ స్టోర్‌తో రియాక్ట్ లాజిక్‌ను ఎలా అమలు చేయాలి
- ఫ్రేమ్‌వర్క్‌లను ఇన్స్టాల్ చేస్తోంది
- OpenAI API కీని అందిస్తోంది
- లైబ్రరీలను దిగుమతి చేస్తోంది
- వికీపీడియా ఎక్స్‌ప్లోరర్‌ని ఉపయోగించడం
- మోడల్‌ని పరీక్షిస్తోంది
లాంగ్‌చెయిన్‌లో డాక్యుమెంట్ స్టోర్‌తో రియాక్ట్ లాజిక్‌ను ఎలా అమలు చేయాలి?
భాషా నమూనాలు ఆంగ్లం మొదలైన సహజ భాషలలో వ్రాయబడిన డేటా యొక్క భారీ పూల్‌పై శిక్షణ పొందుతాయి. డేటా నిర్వహించబడుతుంది మరియు డాక్యుమెంట్ స్టోర్‌లలో నిల్వ చేయబడుతుంది మరియు వినియోగదారు స్టోర్ నుండి డేటాను లోడ్ చేసి మోడల్‌కు శిక్షణ ఇవ్వవచ్చు. ప్రతి పునరావృతం మోడల్‌ను మరింత ప్రభావవంతంగా మరియు మెరుగుపరుస్తుంది కాబట్టి మోడల్ శిక్షణ బహుళ పునరావృత్తులు తీసుకోవచ్చు.
LangChainలో డాక్యుమెంట్ స్టోర్‌తో పని చేయడానికి ReAct లాజిక్‌ని అమలు చేసే ప్రక్రియను తెలుసుకోవడానికి, ఈ సాధారణ గైడ్‌ని అనుసరించండి:
దశ 1: ఫ్రేమ్‌వర్క్‌లను ఇన్స్టాల్ చేయడం
ముందుగా, LangChain ఫ్రేమ్‌వర్క్‌ను ఇన్స్టాల్ చేయడం ద్వారా డాక్యుమెంట్ స్టోర్‌తో పని చేయడానికి ReAct లాజిక్‌ను అమలు చేసే ప్రక్రియను ప్రారంభించండి. LangChain ఫ్రేమ్‌వర్క్‌ను ఇన్స్టాల్ చేయడం వలన ప్రక్రియను పూర్తి చేయడానికి లైబ్రరీలను పొందడానికి లేదా దిగుమతి చేసుకోవడానికి అవసరమైన అన్ని డిపెండెన్సీలు లభిస్తాయి:
పిప్ ఇన్స్టాల్ లాంగ్‌చెయిన్
ఈ గైడ్ కోసం వికీపీడియా డిపెండెన్సీలను ఇన్స్టాల్ చేయండి, ఇది రియాక్ట్ లాజిక్‌తో పని చేయడానికి డాక్యుమెంట్ స్టోర్‌లను పొందడానికి ఉపయోగించవచ్చు:
పిప్ ఇన్స్టాల్ వికీపీడియా 
దాని లైబ్రరీలను పొందడానికి మరియు పెద్ద భాషా నమూనాలు లేదా LLMలను రూపొందించడానికి పిప్ ఆదేశాన్ని ఉపయోగించి OpenAI మాడ్యూల్‌లను ఇన్స్టాల్ చేయండి:
pip ఇన్స్టాల్ openai 
దశ 2: OpenAI API కీని అందించడం
అవసరమైన అన్ని మాడ్యూళ్ళను ఇన్స్టాల్ చేసిన తర్వాత, కేవలం పర్యావరణాన్ని ఏర్పాటు చేయండి కింది కోడ్‌ని ఉపయోగించి OpenAI ఖాతా నుండి API కీని ఉపయోగించడం:
దిగుమతి మీరుదిగుమతి getpass
మీరు . సుమారు [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'OpenAI API కీ:' )
దశ 3: లైబ్రరీలను దిగుమతి చేసుకోవడం
పర్యావరణాన్ని సెటప్ చేసిన తర్వాత, డాక్యుమెంట్ స్టోర్‌లతో పని చేయడానికి రియాక్ట్ లాజిక్‌ను కాన్ఫిగర్ చేయడానికి అవసరమైన LangChain నుండి లైబ్రరీలను దిగుమతి చేయండి. భాషా నమూనాను కాన్ఫిగర్ చేయడానికి దాని రకాలతో DocstoreExplorer మరియు ఏజెంట్‌లను పొందడానికి LangChain ఏజెంట్‌లను ఉపయోగించడం:
నుండి లాంగ్చైన్. llms దిగుమతి OpenAIనుండి లాంగ్చైన్. వైద్యశాల దిగుమతి వికీపీడియా
నుండి లాంగ్చైన్. ఏజెంట్లు దిగుమతి ప్రారంభించు_ఏజెంట్ , సాధనం
నుండి లాంగ్చైన్. ఏజెంట్లు దిగుమతి ఏజెంట్ రకం
నుండి లాంగ్చైన్. ఏజెంట్లు . స్పందించలేదు . బేస్ దిగుమతి DocstoreExplorer
దశ 4: వికీపీడియా ఎక్స్‌ప్లోరర్‌ని ఉపయోగించడం
'ని కాన్ఫిగర్ చేయండి వైద్యశాల ” DocstoreExplorer() పద్ధతితో వేరియబుల్ మరియు దాని వాదనలో Wikipedia() పద్ధతిని కాల్ చేయండి. ''తో OpenAI పద్ధతిని ఉపయోగించి పెద్ద భాషా నమూనాను రూపొందించండి టెక్స్ట్-డావిన్సీ-002 ఏజెంట్ కోసం సాధనాలను సెట్ చేసిన తర్వాత మోడల్:
వైద్యశాల = DocstoreExplorer ( వికీపీడియా ( ) )ఉపకరణాలు = [
సాధనం (
పేరు = 'వెతకండి' ,
ఫంక్ = వైద్యశాల. వెతకండి ,
వివరణ = 'ఇది శోధనతో ప్రశ్నలు/ప్రాంప్ట్‌లను అడగడానికి ఉపయోగించబడుతుంది' ,
) ,
సాధనం (
పేరు = 'పైకి చూడు' ,
ఫంక్ = వైద్యశాల. పైకి చూడు ,
వివరణ = 'ఇది శోధనతో ప్రశ్నలు/ప్రాంప్ట్‌లను అడగడానికి ఉపయోగించబడుతుంది' ,
) ,
]
llm = OpenAI ( ఉష్ణోగ్రత = 0 , మోడల్_పేరు = 'text-davinci-002' )
#ఏజెంట్‌తో మోడల్‌ను కాన్ఫిగర్ చేయడం ద్వారా వేరియబుల్‌ను నిర్వచించడం
స్పందించలేదు = ప్రారంభించు_ఏజెంట్ ( ఉపకరణాలు , llm , ఏజెంట్ = ఏజెంట్ రకం. REACT_DOCSTORE , మాటలతో కూడిన = నిజమే )
దశ 5: మోడల్‌ను పరీక్షించడం
మోడల్ నిర్మించబడి మరియు కాన్ఫిగర్ చేయబడిన తర్వాత, ప్రశ్న స్ట్రింగ్‌ను సెట్ చేసి, దాని వాదనలో ప్రశ్న వేరియబుల్‌తో పద్ధతిని అమలు చేయండి:
ప్రశ్న = 'ఏ U.S. నేవీ అడ్మిరల్ రచయిత డేవిడ్ చానోఫ్‌తో కలిసి పనిచేశారు'స్పందించలేదు. పరుగు ( ప్రశ్న )
ప్రశ్న వేరియబుల్ అమలు చేయబడిన తర్వాత, మోడల్ ఎలాంటి బాహ్య ప్రాంప్ట్ టెంప్లేట్ లేదా శిక్షణ లేకుండా ప్రశ్నను అర్థం చేసుకుంది. మునుపటి దశలో అప్‌లోడ్ చేసిన మోడల్‌ను ఉపయోగించి మోడల్ స్వయంచాలకంగా శిక్షణ పొందుతోంది మరియు తదనుగుణంగా వచనాన్ని రూపొందిస్తోంది. ప్రశ్న ఆధారంగా సమాచారాన్ని సేకరించేందుకు రియాక్ట్ లాజిక్ డాక్యుమెంట్ స్టోర్‌లతో పని చేస్తోంది:
డాక్యుమెంట్ స్టోర్‌ల నుండి మోడల్‌కు అందించిన డేటా నుండి మరొక ప్రశ్న అడగండి మరియు మోడల్ స్టోర్ నుండి సమాధానాన్ని సంగ్రహిస్తుంది:
ప్రశ్న = 'రచయిత డేవిడ్ చానోఫ్ ఏ అధ్యక్షుడి క్రింద పనిచేసిన విలియం జె క్రోవ్‌తో కలిసి పనిచేశారు?'స్పందించలేదు. పరుగు ( ప్రశ్న )
లాంగ్‌చెయిన్‌లోని డాక్యుమెంట్ స్టోర్‌తో పని చేయడానికి రియాక్ట్ లాజిక్‌ను అమలు చేయడం గురించి అంతే.
ముగింపు
LangChainలో డాక్యుమెంట్ స్టోర్‌తో పని చేయడానికి ReAct లాజిక్‌ను అమలు చేయడానికి, భాషా నమూనాను రూపొందించడానికి మాడ్యూల్స్ లేదా ఫ్రేమ్‌వర్క్‌లను ఇన్స్టాల్ చేయండి. ఆ తర్వాత, LLMని కాన్ఫిగర్ చేయడానికి OpenAI కోసం వాతావరణాన్ని సెటప్ చేయండి మరియు రియాక్ట్ లాజిక్‌ను అమలు చేయడానికి డాక్యుమెంట్ స్టోర్ నుండి మోడల్‌ను లోడ్ చేయండి. ఈ గైడ్ డాక్యుమెంట్ స్టోర్‌తో పని చేయడానికి రియాక్ట్ లాజిక్‌ను అమలు చేయడం గురించి వివరించింది.