Bắt đầu với các đại lý trong LangChain?

Bat Dau Voi Cac Dai Ly Trong Langchain

LangChain là framework giải quyết Xử lý ngôn ngữ tự nhiên để xây dựng các ứng dụng hoặc phần mềm có thể tương tác và trò chuyện với con người. Các chatbot hoặc Mô hình ngôn ngữ lớn (LLM) được thiết kế để tạo ra một môi trường có thể hoạt động như một giao diện để trò chuyện/trò chuyện. Những cuộc trò chuyện này được thực hiện bằng ngôn ngữ của con người được gọi là ngôn ngữ tự nhiên như tiếng Anh, v.v. giữa con người và mô hình AI.

Phác thảo nhanh

Bài đăng này sẽ chứng minh những điều sau đây:

Tác nhân trong xử lý ngôn ngữ tự nhiên (NLP) là gì

Bắt đầu với các đại lý trong LangChain

Cài đặt khung
Định cấu hình mô hình trò chuyện
Đại lý xây dựng
Gọi đại lý
Định cấu hình công cụ đại lý
Kiểm tra đại lý

Phần kết luận

Tác nhân trong xử lý ngôn ngữ tự nhiên (NLP) là gì?

Tác nhân là thành phần quan trọng của ứng dụng ngôn ngữ tự nhiên và chúng sử dụng Hiểu ngôn ngữ tự nhiên (NLU) để hiểu các truy vấn. Các tác nhân này là các chương trình hoạt động giống như một khuôn mẫu đàm thoại để tương tác với con người bằng cách sử dụng chuỗi nhiệm vụ. Tác nhân sử dụng nhiều công cụ mà tác nhân có thể gọi để thực hiện nhiều hành động hoặc chỉ định nhiệm vụ tiếp theo cần thực hiện.

Bắt đầu với các đại lý trong LangChain

Bắt đầu quá trình xây dựng các tác nhân để trò chuyện với con người bằng cách trích xuất đầu ra bằng cách sử dụng các tác nhân trong LangChain. Để tìm hiểu quy trình bắt đầu với các đại lý trong LangChain, chỉ cần làm theo các bước được liệt kê bên dưới:

Bước 1: Cài đặt Framework

Trước tiên, hãy bắt đầu với quá trình cài đặt khung LangChain bằng cách sử dụng “ pip ” lệnh để có được các phần phụ thuộc cần thiết để sử dụng tác nhân:

pip cài đặt langchain

Cài đặt mô-đun OpenAI để xây dựng LLM và sử dụng nó để định cấu hình các tác nhân trong LangChain:

cài đặt pip openai

Thiết lập môi trường đối với mô-đun OpenAI bằng cách sử dụng khóa API từ tài khoản bằng cách chạy mã sau:

nhập khẩu Bạn
nhập khẩu vượt qua

Bạn . khoảng [ 'OPENAI_API_KEY' ] = vượt qua . vượt qua ( 'Khóa API OpenAI:' )

Bước 2: Định cấu hình mô hình trò chuyện

Nhập mô-đun ChatOpenAI từ LangChain để xây dựng LLM bằng chức năng của nó:

từ langchain. chat_models nhập khẩu Trò chuyệnOpenAI

ừm = Trò chuyệnOpenAI ( nhiệt độ = 0 )

Nhập các công cụ cho tác nhân để định cấu hình các tác vụ hoặc hành động cần thiết để tác nhân thực hiện. Đoạn mã sau sử dụng phương thức get_word_length() để lấy độ dài của từ do người dùng cung cấp:

từ langchain. đại lý nhập khẩu dụng cụ

@ dụng cụ

chắc chắn get_word_length ( từ: str ) - > int :

'''nhận được độ dài của từ'''

trở lại chỉ một ( từ )

công cụ = [ get_word_length ]

Định cấu hình mẫu hoặc cấu trúc cho mô hình trò chuyện để tạo giao diện trò chuyện:

từ langchain. lời nhắc nhập khẩu Mẫu nhắc nhở trò chuyện , Tin nhắn Giữ chỗ

lời nhắc = ChatPromptMẫu. từ_tin nhắn ( [

( 'hệ thống' , 'Trợ lý của bạn khá tuyệt vời, nhưng cần cải thiện khả năng tính toán' ) ,

( 'người dùng' , '{đầu vào}' ) ,

Tin nhắn Giữ chỗ ( tên biến = 'agent_scratchpad' ) ,

] )

Bước 3: Đại lý xây dựng

Nhập thư viện công cụ để xây dựng LLM bằng các công cụ sử dụng chức năng OpenAI từ mô-đun LangChain:

từ langchain. công cụ . kết xuất nhập khẩu format_tool_to_openai_function

llm_with_tools = ừm. trói buộc (

chức năng = [ format_tool_to_openai_function ( t ) vì t TRONG công cụ ]

)

Định cấu hình tác nhân bằng tác nhân hàm OpenAI để sử dụng trình phân tích cú pháp đầu ra nhằm đặt các chuỗi hành động/nhiệm vụ:

từ langchain. đại lý . format_scratchpad nhập khẩu format_to_openai_functions

từ langchain. đại lý . đầu ra_parsers nhập khẩu OpenAIFunctionsAgentOutputParser

đại lý = {

'đầu vào' : lambda x: x [ 'đầu vào' ] ,

'agent_scratchpad' : lambda x: format_to_openai_functions ( x [ 'trung_bước' ] )

} | nhắc | llm_with_tools | OpenAIFunctionsAgentOutputParser ( )

Bước 4: Gọi Agent

Bước tiếp theo sử dụng hàm gọi() để gọi tác nhân bằng cách sử dụng các đối số input và middle_steps:

đại lý. gọi ( {

'đầu vào' : 'có bao nhiêu chữ cái trong từ tốt' ,

'trung_bước' : [ ]

} )

Bước 5: Cấu hình công cụ đại lý

Sau đó, chỉ cần nhập thư viện AgentFinish để định cấu hình các bước trung gian bằng cách tích hợp tất cả các bước theo trình tự để hoàn thành hoạt động:

từ langchain. lược đồ . đại lý nhập khẩu Đại lýKết thúc
bước_trung gian = [ ]
trong khi ĐÚNG VẬY :
đầu ra = đại lý. gọi ( {
'đầu vào' : 'chữ cái tốt' ,
'trung_bước' : bước_trung gian
} )
nếu như ví dụ ( đầu ra , Đại lýKết thúc ) :
kết quả cuối cùng = đầu ra. giá trị trả về [ 'đầu ra' ]
phá vỡ
khác :
in ( đầu ra. dụng cụ , đầu ra. công cụ_đầu vào )
dụng cụ = {
'get_word_length' : get_word_length
} [ đầu ra. dụng cụ ]
quan sát = dụng cụ. chạy ( đầu ra. công cụ_đầu vào )
trung gian_bước. nối thêm ( ( đầu ra , quan sát ) )
in ( kết quả cuối cùng )

Bước 6: Kiểm tra tác nhân

Bây giờ, hãy thực thi tác nhân bằng cách gọi phương thức AgentExecutor() sau khi nhập thư viện của nó từ LangChain:

từ langchain. đại lý nhập khẩu Đại lýExecutor

đại lý_thực thi = Đại lýExecutor ( đại lý = đại lý , công cụ = công cụ , dài dòng = ĐÚNG VẬY )

Cuối cùng, gọi Agent_executor với đối số đầu vào để nhập truy vấn cho tác nhân:

đại lý_người thực thi. gọi ( { 'đầu vào' : 'có bao nhiêu chữ cái trong từ tốt' } )

Tác nhân đã hiển thị câu trả lời cho câu hỏi được cung cấp trong đối số đầu vào sau khi kết thúc chuỗi:

Đó là tất cả về việc bắt đầu với các tác nhân trong khuôn khổ LangChain.

Phần kết luận

Để bắt đầu với các tác nhân trong LangChain, bạn chỉ cần cài đặt các mô-đun cần thiết để thiết lập môi trường bằng khóa API OpenAI. Sau đó, định cấu hình mô hình trò chuyện bằng cách đặt mẫu lời nhắc xây dựng tổng đài viên theo trình tự các bước trung gian. Sau khi tác nhân được định cấu hình, bạn chỉ cần xây dựng các công cụ bằng cách chỉ định các tác vụ sau khi cung cấp chuỗi đầu vào cho người dùng. Blog này đã trình bày quá trình sử dụng các tác nhân trong LangChain.