I Large Language Models o LLM sono un potente tipo di algoritmo di rete neurale per costruire chatbot che recuperano dati utilizzando comandi in linguaggi naturali. Gli LLM consentono alle macchine/computer di comprendere meglio il linguaggio naturale e generare linguaggio come gli esseri umani. Il modulo LangChain funziona anche per costruire modelli PNL. Tuttavia, non ha un LLM ma consente l'interazione con molti LLM diversi.
Questa guida spiegherà il processo di interazione con i modelli linguistici di grandi dimensioni utilizzando LangChain.
Come interagire con gli LLM utilizzando LangChain?
Per interagire con gli LLM utilizzando LangChain, segui semplicemente questa semplice guida passo passo con esempi:
Installa moduli per interagire con gli LLM
Prima di iniziare il processo di interazione con LLM utilizzando LangChain, installare il ' langchain ' modulo utilizzando il seguente codice:
pip installare langchain
Per installare il framework OpenAI, utilizzare la sua chiave API per interagire con gli LLM tramite il seguente codice:
Ora importa ' Voi ' E ' getpass ' per utilizzare la chiave API OpenAI dopo aver eseguito il codice:
importaci
importa getpass
os.ambiente [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Chiave API OpenAI:' )
Chiamando LLM
Importa la libreria OpenAI dal modulo LangChain per assegnare la sua funzione al “ llm 'variabile:
da langchain.llms importa OpenAIllm = OpenAI ( )
Successivamente, chiama semplicemente il ' llm ' e la query prompt come parametro:
Genera più testi utilizzando LLM
Utilizza il metodo generate() con più prompt in linguaggio naturale per generare il testo da LLM e memorizzarlo nel file ' llm_risultato 'variabile:
llm_result = llm.generate ( [ 'Voglio sentire una barzelletta' , 'Scrivi un poema' ] * quindici )
Ottieni la lunghezza degli oggetti memorizzati nel ' llm_risultato 'variabile utilizzando la funzione generate():
Chiama semplicemente la variabile con il numero di indice degli oggetti:
La seguente schermata mostra il testo memorizzato in ' llm_risultato ' variabile al suo indice 0 che genera la battuta:
Utilizza il metodo generations() con parametro indice -1 per generare la poesia inserita nella variabile llm_result:
Visualizza semplicemente l'output generato nella variabile risultato per ottenere le informazioni specifiche del provider generate nel precedente LLM utilizzando la funzione generata:
Si tratta di interagire con gli LLM utilizzando il framework LangChain per generare linguaggio naturale.
Conclusione
Per interagire con modelli linguistici di grandi dimensioni utilizzando LangChain, è sufficiente installare framework come LangChain e OpenAI per importare librerie per LLM. Successivamente, fornisci la chiave API OpenAI da utilizzare come LLM per comprendere o generare il linguaggio naturale. Utilizza LLM per il prompt di input in linguaggio naturale e quindi chiamalo per generare testo in base al comando. Questa guida ha spiegato il processo di interazione con i modelli linguistici di grandi dimensioni utilizzando i moduli LangChain.