LangChainలో సంభాషణ సారాంశం బఫర్‌ని ఎలా ఉపయోగించాలి?

ఈ గైడ్ LangChainలో సంభాషణ సారాంశం బఫర్‌ను ఉపయోగించే ప్రక్రియను వివరిస్తుంది.

LangChainలో సంభాషణ సారాంశం బఫర్‌ను ఎలా ఉపయోగించాలి?

సంభాషణ మానవ మరియు యంత్రాల మధ్య పరస్పర చర్య వంటి బహుళ సందేశాలను కలిగి ఉంటుంది మరియు బఫర్ ఇటీవలి సందేశాలను నిల్వ చేయగలదు. ది సంభాషణ సారాంశం బఫర్ మెమరీ ఇటీవలి సందేశాలను నిల్వ చేయడం మరియు వాటి సారాంశాన్ని సంగ్రహించడం వంటి రెండు భావనలను కలపడానికి లైబ్రరీ ఉపయోగించబడుతుంది.

LangChainలో సంభాషణ సారాంశం బఫర్‌ను ఉపయోగించే ప్రక్రియను తెలుసుకోవడానికి, కింది గైడ్ ద్వారా వెళ్ళండి:

దశ 1: మాడ్యూల్‌లను ఇన్‌స్టాల్ చేయండి

ముందుగా, అవసరమైన లైబ్రరీలను పొందడానికి పిప్ ఆదేశాన్ని ఉపయోగించి LangChain మాడ్యూల్‌ను ఇన్‌స్టాల్ చేయండి:

టెక్స్ట్ డాక్యుమెంట్‌లను చిన్న భాగాలుగా విభజించడానికి ఉపయోగించే టిక్‌టోకెన్ టోకెనైజర్‌ను ఇన్‌స్టాల్ చేయండి:

ఆ తర్వాత, LLMలు మరియు చైన్‌ల వంటి భాషా నమూనాలను రూపొందించడానికి ఉపయోగించే OpenAI మాడ్యూల్‌లను ఇన్‌స్టాల్ చేయండి:

ఇప్పుడు, పర్యావరణాన్ని ఏర్పాటు చేయండి OpenAI ఖాతా నుండి API కీని పొందడం ద్వారా మరియు దానిని మోడల్‌లో ఉపయోగించడం ద్వారా:

దశ 2: సంభాషణ సారాంశం బఫర్‌ని ఉపయోగించడం

OpenAI() పద్ధతిని ఉపయోగించి LLMని నిర్మించడానికి లైబ్రరీలను దిగుమతి చేయడం ద్వారా సంభాషణ సారాంశం బఫర్‌ను ఉపయోగించే ప్రక్రియను ప్రారంభించండి:

ConversationSummaryBufferMemory() పద్ధతిని ఉపయోగించి మెమరీని రూపొందించండి మరియు సంభాషణను మెమరీలో నిల్వ చేయండి:

ఇప్పుడు, కాల్ చేయడం ద్వారా మెమరీని అమలు చేయండి load_memory_variables () మెమొరీ నుండి సందేశాలను సంగ్రహించే పద్ధతి:

ఇప్పుడు, బఫర్‌లో నిల్వ చేయవలసిన సందేశాల సంఖ్యను పరిమితం చేయడం ద్వారా బఫర్‌ను కాన్ఫిగర్ చేయడానికి సంభాషణ యొక్క బఫర్ సారాంశాన్ని ఉపయోగించండి. ఆ తర్వాత, బఫర్‌లో నిల్వ చేయబడిన ఈ సందేశాల సారాంశాన్ని సంగ్రహించి, ఆపై సంభాషణను మెమరీలో నిల్వ చేయండి:

కింది కోడ్‌ని ఉపయోగించి బఫర్ మెమరీలో నిల్వ చేయబడిన మునుపటి సందేశాల సారాంశాన్ని పొందండి:

దశ 3: చైన్‌లో సంభాషణ సారాంశం బఫర్‌ని ఉపయోగించడం

ఉపయోగించి గొలుసులను నిర్మించండి సంభాషణ చైన్() సందేశాన్ని నిల్వ చేయడానికి బఫర్ మెమరీ విలువను కలిగి ఉన్న పద్ధతి:

సంభాషణ యొక్క సారాంశాన్ని పొందడానికి ప్రిడిక్ట్() పద్ధతిని ఉపయోగించి ఇన్‌పుట్‌ను టెక్స్ట్ రూపంలో అందించండి:

మోడల్ నుండి అవుట్‌పుట్‌ని ఉపయోగించండి మరియు బఫర్ మెమరీలోని సందేశాలను ఉపయోగించి మరింత డేటాను జోడించండి మరియు దాని సారాంశాన్ని ప్రదర్శించండి:

సారాంశం ఏమిటంటే అవుట్‌పుట్ సులభంగా అర్థమయ్యేలా మరియు మరింత మానవ-స్నేహపూర్వకంగా ఉంటుంది మరియు చాట్‌బాట్‌లకు మరింత అనుకూలంగా ఉంటుంది:

లాంగ్‌చెయిన్‌లో సంభాషణ సారాంశం బఫర్‌ని ఉపయోగించడం గురించి అంతే.

ముగింపు

LangChainలో సంభాషణ సారాంశం బఫర్ మెమరీని ఉపయోగించడానికి, అవసరమైన లైబ్రరీలను పొందడానికి మాడ్యూల్స్ లేదా ఫ్రేమ్‌వర్క్‌లను ఇన్‌స్టాల్ చేయండి. లైబ్రరీలను దిగుమతి చేసుకున్న తర్వాత, సంభాషణ యొక్క సారాంశాన్ని పొందడానికి ConverstaionSummaryBufferMemory() ఫంక్షన్‌ని ఉపయోగించడానికి LLMలు లేదా చాట్‌బాట్‌లను రూపొందించండి. సారాంశాన్ని సంగ్రహించడం కోసం మెమరీలో నిల్వ చేయబడిన సందేశాల సంఖ్యను పరిమితం చేయడానికి బఫర్ మెమరీ ఉపయోగించబడుతుంది. ఈ పోస్ట్ లాంగ్‌చెయిన్‌లో సంభాషణ సారాంశం బఫర్ మెమరీని ఉపయోగించే ప్రక్రియ గురించి వివరించింది.