Este guia ilustrará o processo de carregamento de cadeias do LangChain Hub.
Como adicionar estado de memória em cadeia usando LangChain?
O estado da memória pode ser usado para inicializar as cadeias, pois pode se referir ao valor recente armazenado nas cadeias que será usado ao retornar a saída. Para aprender o processo de adição de um estado de memória em cadeias usando a estrutura LangChain, basta seguir este guia fácil:
Etapa 1: instalar módulos
Primeiramente, entre no processo instalando o framework LangChain com suas dependências usando o comando pip:
pip instalar langchain
Instale também o módulo OpenAI para obter suas bibliotecas que podem ser usadas para adicionar estado de memória na cadeia:
pip instalar openai
Obtenha a chave API da conta OpenAI e configurar o ambiente usando-o para que as cadeias possam acessá-lo:
importar os
importar Obter passagem
os . aproximadamente [ 'OPENAI_API_KEY' ] = Obter passagem . Obter passagem ( 'Chave de API OpenAI:' )
Esta etapa é importante para que o código funcione corretamente.
Etapa 2: importar bibliotecas
Após configurar o ambiente, basta importar as bibliotecas para adicionar o estado da memória como LLMChain, ConversationBufferMemory e muito mais:
de cadeia longa. correntes importar Cadeia de conversaçãode cadeia longa. memória importar ConversationBufferMemory
de cadeia longa. chat_models importar ChatOpenAI
de cadeia longa. correntes . llm importar LLMChain
de cadeia longa. Comandos importar Modelo de prompt
Etapa 3: Construindo Cadeias
Agora, basta construir cadeias para o LLM usando o método OpenAI() e o modelo do prompt usando a consulta para chamar a cadeia:
bater papo = ChatOpenAI ( temperatura = 0 )prompt_template = 'Escreva uma piada {estilo}'
llm_chain = LLMChain ( llm = bater papo , incitar = PromptTemplate. Do modelo ( prompt_template ) )
llm_chain ( entradas = { 'estilo' : 'brega' } )
O modelo exibiu a saída usando o modelo LLM conforme mostrado na captura de tela abaixo:
Etapa 4: adicionar estado de memória
Aqui vamos adicionar o estado da memória na cadeia usando o método ConversationBufferMemory() e executar a cadeia para obter 3 cores do arco-íris:
conversação = Cadeia de conversação (llm = bater papo ,
memória = ConversationBufferMemory ( )
)
conversação. correr ( 'dê brevemente as 3 cores do arco-íris' )
O modelo exibiu apenas três cores do arco-íris e o contexto fica armazenado na memória da cadeia:
Aqui estamos executando a cadeia com um comando ambíguo como “ outros 4? ”então o próprio modelo obtém o contexto da memória e exibe as cores restantes do arco-íris:
conversação. correr ( 'outros 4?' )O modelo fez exatamente isso, pois entendeu o contexto e retornou as quatro cores restantes do conjunto do arco-íris:
Trata-se de carregar cadeias do LangChain Hub.
Conclusão
Para adicionar memória em cadeias usando o framework LangChain, basta instalar módulos para configurar o ambiente de construção do LLM. Depois disso, importe as bibliotecas necessárias para construir as cadeias no LLM e adicione o estado da memória a elas. Depois de adicionar o estado da memória à cadeia, basta dar um comando à cadeia para obter a saída e depois dar outro comando dentro do contexto do anterior para obter a resposta correta. Esta postagem elaborou o processo de adição de um estado de memória em cadeias usando a estrutura LangChain.