లాంగ్‌చెయిన్‌లో ఏజెంట్ యొక్క ఇంటర్మీడియట్ దశలను ఎలా యాక్సెస్ చేయాలి?

Lang Ceyin Lo Ejent Yokka Intarmidiyat Dasalanu Ela Yakses Ceyali



LangChain అనేది మానవ భాషలో ప్రశ్నలకు సమాధానమివ్వగల సామర్థ్యం ఉన్న చాట్ మోడల్‌లు లేదా భాషా నమూనాలను రూపొందించడానికి ఫ్రేమ్‌వర్క్. వినియోగదారు సహజ భాషలో స్ట్రింగ్‌ను ఇన్‌పుట్ చేస్తారు మరియు ప్రతిస్పందనను రూపొందించడానికి మోడల్ దానిని అర్థం చేసుకుంటుంది. నిర్మాణాన్ని బయటి కోణం నుండి చూడటం ద్వారా, చాట్ మోడల్‌లు ఈ చర్యలు/పనులను మాత్రమే నిర్వహిస్తాయని పరిగణించబడుతుంది. అయినప్పటికీ, ఇది సరైన పనితీరును పొందడానికి నిర్దిష్ట క్రమంలో పని చేసే బహుళ ఇంటర్మీడియట్ దశలను కలిగి ఉంటుంది.

త్వరిత రూపురేఖలు

ఈ పోస్ట్ క్రింది వాటిని ప్రదర్శిస్తుంది:

లాంగ్‌చెయిన్‌లో ఏజెంట్ యొక్క ఇంటర్మీడియట్ దశలను ఎలా యాక్సెస్ చేయాలి?

LangChainలో ఏజెంట్‌ను రూపొందించడానికి, మోడల్‌లో చేరి ఉన్న దశల సంఖ్యను పొందడానికి వినియోగదారు దాని సాధనాలను మరియు టెంప్లేట్ యొక్క నిర్మాణాన్ని కాన్ఫిగర్ చేయాలి. ఆలోచనలు, చర్యలు, పరిశీలనలు మొదలైన ఇంటర్మీడియట్ దశలను ఆటోమేట్ చేయడానికి ఏజెంట్ బాధ్యత వహిస్తాడు. LangChainలో ఏజెంట్ యొక్క ఇంటర్మీడియట్ దశలను ఎలా యాక్సెస్ చేయాలో తెలుసుకోవడానికి, జాబితా చేయబడిన దశలను అనుసరించండి:







దశ 1: ఫ్రేమ్‌వర్క్‌లను ఇన్‌స్టాల్ చేయడం

అన్నింటిలో మొదటిది, పైథాన్ నోట్‌బుక్‌లో క్రింది కోడ్‌ను అమలు చేయడం ద్వారా LangChain యొక్క డిపెండెన్సీలను ఇన్‌స్టాల్ చేయండి:



పిప్ ఇన్‌స్టాల్ langchain_experimental



ఉపయోగించి దాని డిపెండెన్సీలను పొందడానికి OpenAI మాడ్యూల్‌ను ఇన్‌స్టాల్ చేయండి పిప్ భాషా నమూనాను రూపొందించడానికి కమాండ్ చేయండి మరియు వాటిని ఉపయోగించండి:





pip ఇన్స్టాల్ openai

దశ 2: OpenAI పర్యావరణాన్ని సెట్ చేయడం

మాడ్యూల్‌లను ఇన్‌స్టాల్ చేసిన తర్వాత, సెటప్ చేయండి OpenAI పర్యావరణం దాని ఖాతా నుండి రూపొందించబడిన API కీని ఉపయోగించడం:



దిగుమతి మీరు
దిగుమతి getpass

మీరు. సుమారు [ 'OPENAI_API_KEY' ] = getpass. getpass ( 'OpenAI API కీ:' )

దశ 3: లైబ్రరీలను దిగుమతి చేసుకోవడం

ఇప్పుడు మేము డిపెండెన్సీలను ఇన్‌స్టాల్ చేసాము, LangChain నుండి లైబ్రరీలను దిగుమతి చేయడానికి వాటిని ఉపయోగించండి:

లాంగ్‌చెయిన్ నుండి. ఏజెంట్లు దిగుమతి లోడ్_టూల్స్
లాంగ్‌చెయిన్ నుండి. ఏజెంట్లు దిగుమతి ప్రారంభించు_ఏజెంట్
లాంగ్‌చెయిన్ నుండి. ఏజెంట్లు దిగుమతి ఏజెంట్ రకం
లాంగ్‌చెయిన్ నుండి. llms దిగుమతి OpenAI

దశ 4: బిల్డింగ్ LLM మరియు ఏజెంట్

లైబ్రరీలను దిగుమతి చేసుకున్న తర్వాత, ఏజెంట్ కోసం భాషా నమూనా మరియు సాధనాలను రూపొందించడానికి వాటిని ఉపయోగించాల్సిన సమయం ఆసన్నమైంది. llm వేరియబుల్‌ను నిర్వచించండి మరియు ఉష్ణోగ్రత మరియు మోడల్_నేమ్ ఆర్గ్యుమెంట్‌లను కలిగి ఉన్న OpenAI() పద్ధతితో దానిని కేటాయించండి. ది ' ఉపకరణాలు ” వేరియబుల్ SerpAPi మరియు llm-math టూల్స్‌తో load_tools() పద్ధతిని మరియు దాని ఆర్గ్యుమెంట్‌లోని భాషా నమూనాను కలిగి ఉంది:

llm = OpenAI ( ఉష్ణోగ్రత = 0 , మోడల్_పేరు = 'text-davinci-002' )
ఉపకరణాలు = లోడ్_టూల్స్ ( [ 'సర్పాపి' , 'llm-గణితం' ] , llm = llm )

భాషా నమూనా మరియు సాధనాలు కాన్ఫిగర్ చేయబడిన తర్వాత, భాషా నమూనాలోని సాధనాలను ఉపయోగించి ఇంటర్మీడియట్ దశలను నిర్వహించడానికి ఏజెంట్‌ను రూపొందించండి:

ఏజెంట్ = ప్రారంభించు_ఏజెంట్ (
ఉపకరణాలు ,
llm ,
ఏజెంట్ = ఏజెంట్ రకం. ZERO_SHOT_REACT_DESCRIPTION ,
మాటలతో కూడిన = నిజమే ,
తిరిగి_ఇంటర్మీడియట్_దశలు = నిజమే ,
)

దశ 5: ఏజెంట్‌ను ఉపయోగించడం

ఇప్పుడు, ఏజెంట్() పద్ధతి యొక్క ఇన్‌పుట్‌లో ఒక ప్రశ్న అడగడం ద్వారా మరియు దానిని అమలు చేయడం ద్వారా ఏజెంట్‌ను పరీక్షకు పెట్టండి:

ప్రతిస్పందన = ఏజెంట్ (
{
'ఇన్‌పుట్' : 'లియో డికాప్రియో స్నేహితురాలు ఎవరు మరియు వారి వయస్సు అంతరం ఏమిటి'
}
)

లియో డికాప్రియో గర్ల్‌ఫ్రెండ్ పేరు, ఆమె వయస్సు, లియో డికాప్రియో వయస్సు మరియు వారి మధ్య వ్యత్యాసాన్ని తెలుసుకోవడానికి మోడల్ సమర్థవంతంగా పనిచేసింది. కింది స్క్రీన్‌షాట్ తుది సమాధానాన్ని పొందడానికి ఏజెంట్ ద్వారా శోధించిన అనేక ప్రశ్నలు మరియు సమాధానాలను ప్రదర్శిస్తుంది:

పై స్క్రీన్‌షాట్ ఏజెంట్ యొక్క పనిని మరియు అన్ని సమాధానాలను కనుగొనడానికి ఆ దశకు ఎలా చేరుకుంటుందో ప్రదర్శించదు. దశలను కనుగొనడానికి తదుపరి విభాగానికి వెళ్దాం:

విధానం 1: ఇంటర్మీడియట్ దశలను యాక్సెస్ చేయడానికి డిఫాల్ట్ రిటర్న్ టైప్ చేయండి

ఇంటర్మీడియట్ దశను యాక్సెస్ చేయడానికి మొదటి పద్ధతి క్రింది కోడ్‌ని ఉపయోగించి LangChain అందించే డిఫాల్ట్ రిటర్న్ రకాన్ని ఉపయోగించడం:

ముద్రణ ( ప్రతిస్పందన [ 'ఇంటర్మీడియట్_స్టెప్స్' ] )

కింది GIF ఇంటర్మీడియట్ దశలను ఒకే లైన్‌లో ప్రదర్శిస్తుంది, ఇది రీడబిలిటీ అంశం విషయానికి వస్తే అంత మంచిది కాదు:

విధానం 2: ఇంటర్మీడియట్ దశలను యాక్సెస్ చేయడానికి “డంప్స్” ఉపయోగించడం

LangChain ఫ్రేమ్‌వర్క్ నుండి డంప్ లైబ్రరీని ఉపయోగించి ఇంటర్మీడియట్ దశలను పొందడానికి తదుపరి పద్ధతి మరొక మార్గాన్ని వివరిస్తుంది. అవుట్‌పుట్‌ను మరింత నిర్మాణాత్మకంగా మరియు సులభంగా చదవడానికి అందమైన వాదనతో డంప్స్() పద్ధతిని ఉపయోగించండి:

లాంగ్‌చెయిన్ నుండి. లోడ్ . డంప్ దిగుమతి డంప్‌లు

ముద్రణ ( డంప్‌లు ( ప్రతిస్పందన [ 'ఇంటర్మీడియట్_స్టెప్స్' ] , చక్కని = నిజమే ) )

ఇప్పుడు, వినియోగదారు సులభంగా చదవగలిగేలా మరింత నిర్మాణాత్మక రూపంలో అవుట్‌పుట్‌ని కలిగి ఉన్నాము. ఇది మరింత అర్ధవంతం చేయడానికి అనేక విభాగాలుగా విభజించబడింది మరియు ప్రతి విభాగం ప్రశ్నలకు సమాధానాలను కనుగొనే దశలను కలిగి ఉంటుంది:

LangChainలో ఏజెంట్ యొక్క ఇంటర్మీడియట్ దశలను యాక్సెస్ చేయడం గురించి అంతే.

ముగింపు

LangChainలో ఏజెంట్ యొక్క ఇంటర్మీడియట్ దశలను యాక్సెస్ చేయడానికి, భాషా నమూనాలను రూపొందించడానికి లైబ్రరీలను దిగుమతి చేయడానికి మాడ్యూల్‌లను ఇన్‌స్టాల్ చేయండి. ఆ తర్వాత, ప్రశ్నలకు సమాధానమివ్వగల సాధనాలు, llm మరియు ఏజెంట్ రకం ఉపయోగించి ఏజెంట్‌ను ప్రారంభించేందుకు సాధనాలను సెటప్ చేయండి. ఏజెంట్ కాన్ఫిగర్ చేయబడిన తర్వాత, సమాధానాలను పొందడానికి దాన్ని పరీక్షించి, ఆపై ఇంటర్మీడియట్ దశలను యాక్సెస్ చేయడానికి డిఫాల్ట్ రకం లేదా డంప్స్ లైబ్రరీని ఉపయోగించండి. ఈ గైడ్ లాంగ్‌చెయిన్‌లో ఏజెంట్ యొక్క ఇంటర్మీడియట్ దశలను యాక్సెస్ చేసే ప్రక్రియపై వివరించింది.