Els grans models de llenguatge o LLM són un potent tipus d'algoritme de xarxa neuronal per crear chatbots que obtenen dades mitjançant ordres en llenguatges naturals. Els LLM permeten que les màquines/ordinadors entenguin millor el llenguatge natural i generin llenguatge com els humans. El mòdul LangChain també funciona per crear models de PNL. Tanmateix, no té el seu LLM però permet la interacció amb molts LLM diferents.
Aquesta guia explicarà el procés d'interacció amb grans models de llenguatge mitjançant LangChain.
Com interactuar amb els LLM mitjançant LangChain?
Per interactuar amb LLM mitjançant LangChain, només cal que seguiu aquesta senzilla guia pas a pas amb exemples:
Instal·leu mòduls per interactuar amb LLM
Abans d'iniciar el procés d'interacció amb LLM mitjançant LangChain, instal·leu el ' langchain ” mitjançant el codi següent:
pip instal·lar langchain
Per instal·lar el marc OpenAI, utilitzeu la seva clau API per interactuar amb els LLM mitjançant el codi següent:
Ara, importa ' vostè ' i ' getpass ” per utilitzar la clau de l'API OpenAI després d'executar el codi:
importa'ns
importar getpass
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Clau de l'API OpenAI:' )
Trucant a LLM
Importeu la biblioteca OpenAI des del mòdul LangChain per assignar la seva funció al ' llm ” variable:
des de langchain.llms importar OpenAIllm = OpenAI ( )
Després d'això, només cal trucar al ' llm ” i la consulta d'indicador com a paràmetre:
Generar diversos textos amb LLM
Utilitzeu el mètode generate() amb diverses indicacions en llenguatge natural per generar el text des de LLM i emmagatzemar-los al ' llm_resultat ” variable:
llm_result = llm.generate ( [ 'Vull escoltar una broma' , 'Escriu un poema' ] * 15 )
Obteniu la longitud dels objectes emmagatzemats al ' llm_resultat ” variable utilitzant la funció generate():
Simplement crida a la variable amb el número d'índex dels objectes:
La captura de pantalla següent mostra el text emmagatzemat a la ' llm_resultat ” variable al seu índex 0 que genera la broma:
Utilitzeu el mètode generations() amb el paràmetre index -1 per generar el poema situat a la variable llm_result:
Simplement visualitzeu la sortida generada a la variable de resultat per obtenir la informació específica del proveïdor que es genera al LLM anterior mitjançant la funció generada:
Es tracta d'interaccionar amb els LLM mitjançant el marc LangChain per generar llenguatge natural.
Conclusió
Per interactuar amb grans models de llenguatge mitjançant LangChain, només cal que instal·leu marcs com LangChain i OpenAI per importar biblioteques per a LLM. Després d'això, proporcioneu la clau de l'API OpenAI per utilitzar-la com a LLM per entendre o generar el llenguatge natural. Utilitzeu el LLM per a l'indicador d'entrada en llenguatge natural i, a continuació, truqueu-lo per generar text basat en l'ordre. Aquesta guia ha explicat el procés d'interacció amb els grans models de llenguatge mitjançant mòduls LangChain.