Large Language Models ou LLMs são um tipo poderoso de algoritmo de rede neural para construir chatbots que buscam dados usando comandos em linguagens naturais. Os LLMs permitem que máquinas/computadores entendam melhor a linguagem natural e gerem linguagem como os humanos. O módulo LangChain também funciona para construir modelos de PNL. No entanto, não possui LLM, mas permite a interação com diversos LLMs.
Este guia explicará o processo de interação com modelos de linguagem grande usando LangChain.
Como interagir com LLMs usando LangChain?
Para interagir com LLMs usando LangChain, basta seguir este guia passo a passo simples com exemplos:
Instale módulos para interagir com LLMs
Antes de iniciar o processo de interação com LLMs utilizando LangChain, instale o “ cadeia de idiomas ”módulo usando o seguinte código:
pip instalar cadeia de idiomas
Para instalar a estrutura OpenAI, use sua chave API para interagir com LLMs por meio do seguinte código:
Agora, importe “ os ' e ' Obter passagem ”para usar a chave da API OpenAI após executar o código:
importe-nos
importar getpass
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Chave de API OpenAI:' )
Ligando para LLM
Importe a biblioteca OpenAI do módulo LangChain para atribuir sua função ao “ llm ' variável:
de langchain.llms importar OpenAIllm = OpenAI ( )
Depois disso, basta ligar para “ llm ”Função e a consulta de prompt como parâmetro:
Gere vários textos usando LLMs
Use o método generate() com vários prompts em linguagem natural para gerar o texto do LLM e armazená-los no “ llm_resultado ' variável:
llm_result = llm.generate ( [ 'Eu quero ouvir uma piada' , 'Escreva um poema' ] * quinze )
Obtenha o comprimento dos objetos armazenados no “ llm_resultado ”variável usando a função generate():
Basta chamar a variável com o número de índice dos objetos:
A captura de tela a seguir exibe o texto armazenado no “ llm_resultado ”variável em seu índice 0 gerando a piada:
Use o método Generations() com parâmetro index -1 para gerar o poema colocado na variável llm_result:
Basta exibir a saída gerada na variável de resultado para obter as informações específicas do provedor que são geradas no LLM anterior usando a função gerada:
Trata-se de interagir com LLMs usando a estrutura LangChain para gerar linguagem natural.
Conclusão
Para interagir com grandes modelos de linguagem usando LangChain, basta instalar estruturas como LangChain e OpenAI para importar bibliotecas para LLMs. Depois disso, forneça a chave da API OpenAI para usar como LLMs para compreender ou gerar a linguagem natural. Use o LLM para o prompt de entrada em linguagem natural e depois chame-o para gerar texto com base no comando. Este guia explicou o processo de interação com modelos de linguagem grande usando módulos LangChain.