Hướng dẫn này sẽ minh họa quá trình sử dụng biểu đồ kiến thức hội thoại trong LangChain.
Làm cách nào để sử dụng Sơ đồ tri thức hội thoại trong LangChain?
Các Cuộc trò chuyệnKGBộ nhớ thư viện có thể được sử dụng để tạo lại bộ nhớ có thể được sử dụng để lấy bối cảnh tương tác. Để tìm hiểu quy trình sử dụng biểu đồ kiến thức hội thoại trong LangChain, chỉ cần thực hiện các bước được liệt kê:
Bước 1: Cài đặt mô-đun
Trước tiên, hãy bắt đầu quá trình sử dụng biểu đồ kiến thức hội thoại bằng cách cài đặt mô-đun LangChain:
pip cài đặt langchain
Cài đặt mô-đun OpenAI có thể được cài đặt bằng lệnh pip để lấy thư viện để xây dựng Mô hình ngôn ngữ lớn:
cài đặt pip openai
Hiện nay, thiết lập môi trường sử dụng khóa API OpenAI có thể được tạo từ tài khoản của nó:
nhập khẩu Bạn
nhập khẩu vượt qua
Bạn . khoảng [ 'OPENAI_API_KEY' ] = vượt qua . vượt qua ( 'Khóa API OpenAI:' )
Bước 2: Sử dụng bộ nhớ với LLM
Sau khi cài đặt các mô-đun, hãy bắt đầu sử dụng bộ nhớ với LLM bằng cách nhập các thư viện cần thiết từ mô-đun LangChain:
từ langchain. ký ức nhập khẩu Cuộc trò chuyệnKGBộ nhớtừ langchain. llms nhập khẩu OpenAI
Xây dựng LLM bằng phương pháp OpenAI() và định cấu hình bộ nhớ bằng phương pháp Cuộc trò chuyệnKGBộ nhớ () phương pháp. Sau đó, lưu các mẫu lời nhắc bằng cách sử dụng nhiều đầu vào với phản hồi tương ứng để huấn luyện mô hình trên dữ liệu này:
ừm = OpenAI ( nhiệt độ = 0 )ký ức = Cuộc trò chuyệnKGBộ nhớ ( ừm = ừm )
ký ức. lưu_bối cảnh ( { 'đầu vào' : 'chào John đi' } , { 'đầu ra' : 'John! Ai' } )
ký ức. lưu_bối cảnh ( { 'đầu vào' : 'anh ấy là một người bạn' } , { 'đầu ra' : 'Chắc chắn' } )
Kiểm tra bộ nhớ bằng cách tải biến_bộ nhớ () bằng cách sử dụng truy vấn liên quan đến dữ liệu trên:
ký ức. tải_memory_variables ( { 'đầu vào' : 'John là ai' } ) 
Định cấu hình bộ nhớ bằng phương thức ConversationKGMemory() với return_messages đối số để có được lịch sử của đầu vào:
ký ức = Cuộc trò chuyệnKGBộ nhớ ( ừm = ừm , return_messages = ĐÚNG VẬY )ký ức. lưu_bối cảnh ( { 'đầu vào' : 'chào John đi' } , { 'đầu ra' : 'John! Ai' } )
ký ức. lưu_bối cảnh ( { 'đầu vào' : 'anh ấy là một người bạn' } , { 'đầu ra' : 'Chắc chắn' } )
Chỉ cần kiểm tra bộ nhớ bằng cách cung cấp đối số đầu vào với giá trị của nó dưới dạng truy vấn:
ký ức. tải_memory_variables ( { 'đầu vào' : 'John là ai' } ) 
Bây giờ, hãy kiểm tra bộ nhớ bằng cách đặt câu hỏi không được đề cập trong dữ liệu huấn luyện và mô hình không biết về câu trả lời:
ký ức. get_current_entities ( 'màu sắc yêu thích của John là gì' )Sử dụng get_know_triplets () bằng cách trả lời truy vấn được hỏi trước đó:
ký ức. get_know_triplets ( 'màu sắc yêu thích của anh ấy là màu đỏ' ) 
Bước 3: Sử dụng bộ nhớ trong chuỗi
Bước tiếp theo sử dụng bộ nhớ hội thoại với các chuỗi để xây dựng mô hình LLM bằng phương thức OpenAI(). Sau đó, định cấu hình mẫu lời nhắc bằng cấu trúc hội thoại và văn bản sẽ được hiển thị trong khi lấy đầu ra theo mô hình:
ừm = OpenAI ( nhiệt độ = 0 )từ langchain. lời nhắc . lời nhắc nhập khẩu Mẫu nhắc nhở
từ langchain. dây chuyền nhập khẩu Chuỗi hội thoại
bản mẫu = '''Đây là khuôn mẫu cho sự tương tác giữa con người và máy móc
Hệ thống là mô hình AI có thể nói chuyện hoặc trích xuất thông tin về nhiều khía cạnh
Nếu nó không hiểu câu hỏi hoặc không có câu trả lời, nó chỉ nói như vậy
Hệ thống trích xuất dữ liệu được lưu trữ trong phần 'Cụ thể' và không gây ảo giác
Cụ thể:
{lịch sử}
Cuộc hội thoại:
Con người: {đầu vào}
AI:'''
#Định cấu hình mẫu hoặc cấu trúc để cung cấp lời nhắc và nhận phản hồi từ hệ thống AI
lời nhắc = Mẫu nhắc nhở ( đầu vào_biến = [ 'lịch sử' , 'đầu vào' ] , bản mẫu = bản mẫu )
cuộc trò chuyện_với_kg = Chuỗi hội thoại (
ừm = ừm , dài dòng = ĐÚNG VẬY , lời nhắc = lời nhắc , ký ức = Cuộc trò chuyệnKGBộ nhớ ( ừm = ừm )
)
Khi mô hình được tạo, chỉ cần gọi cuộc trò chuyện_với_kg mô hình bằng phương thức dự đoán() với truy vấn do người dùng yêu cầu:
cuộc trò chuyện_với_kg. dự đoán ( đầu vào = 'Xin chào, có chuyện gì thế?' ) 
Bây giờ, huấn luyện mô hình bằng bộ nhớ hội thoại bằng cách cung cấp thông tin làm đối số đầu vào cho phương thức:
cuộc trò chuyện_với_kg. dự đoán (đầu vào = 'Tên tôi là James và tôi đang giúp Will, anh ấy là kỹ sư'
)
Đây là lúc để kiểm tra mô hình bằng cách yêu cầu các truy vấn trích xuất thông tin từ dữ liệu:
cuộc trò chuyện_với_kg. dự đoán ( đầu vào = 'Will là ai' ) 
Đó là tất cả về việc sử dụng biểu đồ kiến thức hội thoại trong LangChain.
Phần kết luận
Để sử dụng biểu đồ kiến thức hội thoại trong LangChain, hãy cài đặt các mô-đun hoặc khung để nhập thư viện để sử dụng phương thức ConversationKGMemory(). Sau đó, xây dựng mô hình bằng bộ nhớ để xây dựng chuỗi và trích xuất thông tin từ dữ liệu huấn luyện được cung cấp trong cấu hình. Hướng dẫn này đã trình bày chi tiết về quy trình sử dụng biểu đồ kiến thức hội thoại trong LangChain.