Aperçu rapide
Cet article démontrera :
Comment implémenter la logique ReAct avec le magasin de documents dans LangChain
- Installation de frameworks
- Fournir la clé API OpenAI
- Importation de bibliothèques
- Utiliser l'Explorateur Wikipédia
- Tester le modèle
Comment implémenter la logique ReAct avec le magasin de documents dans LangChain ?
Les modèles linguistiques sont formés sur un énorme pool de données écrites dans des langues naturelles comme l'anglais, etc. Les données sont gérées et stockées dans les magasins de documents et l'utilisateur peut simplement charger les données depuis le magasin et entraîner le modèle. La formation du modèle peut prendre plusieurs itérations, car chaque itération rend le modèle plus efficace et amélioré.
Pour découvrir le processus de mise en œuvre de la logique ReAct pour travailler avec le magasin de documents dans LangChain, suivez simplement ce guide simple :
Étape 1 : Installation des frameworks
Tout d'abord, commencez par le processus d'implémentation de la logique ReAct pour travailler avec le magasin de documents en installant le framework LangChain. L'installation du framework LangChain obtiendra toutes les dépendances requises pour obtenir ou importer les bibliothèques afin de terminer le processus :
pip installer langchain
Installez les dépendances Wikipédia pour ce guide, car elles peuvent être utilisées pour faire fonctionner les magasins de documents avec la logique ReAct :
pip installer wikipédia 
Installez les modules OpenAI à l'aide de la commande pip pour obtenir ses bibliothèques et créer des grands modèles linguistiques ou LLM :
pip installer openai 
Étape 2 : Fournir la clé API OpenAI
Après avoir installé tous les modules requis, il suffit mettre en place l'environnement en utilisant la clé API du compte OpenAI en utilisant le code suivant :
importer toiimporter obtenir un laissez-passer
toi . environ [ 'OPENAI_API_KEY' ] = obtenir un laissez-passer . obtenir un laissez-passer ( « Clé API OpenAI : » )
Étape 3 : Importer des bibliothèques
Une fois l'environnement configuré, importez les bibliothèques de LangChain qui sont nécessaires pour configurer la logique ReAct pour travailler avec les magasins de documents. Utilisation des agents LangChain pour obtenir le DocstoreExplaorer et les agents avec ses types pour configurer le modèle de langage :
depuis chaîne de langage. llms importer OpenAIdepuis chaîne de langage. docstore importer Wikipédia
depuis chaîne de langage. agents importer initialiser_agent , Outil
depuis chaîne de langage. agents importer Type d'agent
depuis chaîne de langage. agents . réagir . base importer DocstoreExplorateur
Étape 4 : Utiliser l'Explorateur Wikipédia
Configurez le « docstore ' avec la méthode DocstoreExplorer() et appelez la méthode Wikipedia() dans son argument. Construisez le grand modèle de langage en utilisant la méthode OpenAI avec le « texte-davinci-002 ' après avoir paramétré les outils de l'agent :
docstore = DocstoreExplorateur ( Wikipédia ( ) )outils = [
Outil (
nom = 'Recherche' ,
fonction = docstore. recherche ,
description = 'Il est utilisé pour poser des requêtes/invites avec la recherche' ,
) ,
Outil (
nom = 'Chercher' ,
fonction = docstore. chercher ,
description = 'Il est utilisé pour poser des requêtes/invites avec recherche' ,
) ,
]
llm = OpenAI ( température = 0 , nom du modèle = 'texte-davinci-002' )
#définir la variable en configurant le modèle avec l'agent
réagir = initialiser_agent ( outils , llm , agent = Type d'agent. REACT_DOCSTORE , verbeux = Vrai )
Étape 5 : tester le modèle
Une fois le modèle construit et configuré, définissez la chaîne de question et exécutez la méthode avec la variable question dans son argument :
question = 'Quel amiral de la marine américaine a collaboré avec l'auteur David Chanoff'réagir. courir ( question )
Une fois la variable de question exécutée, le modèle a compris la question sans aucun modèle d'invite externe ni formation. Le modèle est entraîné automatiquement à l'aide du modèle téléchargé à l'étape précédente et génère du texte en conséquence. La logique ReAct fonctionne avec les magasins de documents pour extraire des informations en fonction de la question :
Posez une autre question à partir des données fournies au modèle à partir des magasins de documents et le modèle extraira la réponse du magasin :
question = 'L'auteur David Chanoff a collaboré avec William J Crowe qui a servi sous quel président ?'réagir. courir ( question )
Il s’agit d’implémenter la logique ReAct pour travailler avec le magasin de documents dans LangChain.
Conclusion
Pour implémenter la logique ReAct pour travailler avec le magasin de documents dans LangChain, installez les modules ou frameworks pour créer le modèle de langage. Après cela, configurez l'environnement pour OpenAI pour configurer le LLM et chargez le modèle à partir du magasin de documents pour implémenter la logique ReAct. Ce guide a expliqué comment implémenter la logique ReAct pour travailler avec le magasin de documents.