دستاویز اسٹور کے ساتھ کام کرنے کے لیے رد عمل کی منطق کو کیسے نافذ کیا جائے؟

Dstawyz As Wr K Sat Kam Krn K Ly Rd Ml Ky Mntq Kw Kys Nafdh Kya Jay



لینگ چین ایک ایسا فریم ورک ہے جس میں زبان کے ماڈلز اور چیٹ بوٹس بنانے کے لیے تمام انحصار اور لائبریریاں شامل ہیں۔ زبان کی پیچیدگیوں کو مؤثر طریقے سے سمجھنے کے لیے ان چیٹ بوٹس کو بڑے پیمانے پر ڈیٹا پر تربیت دینے کی ضرورت ہے۔ ڈویلپر ان ماڈلز کے ساتھ ReAct منطق کا استعمال کر سکتے ہیں جو زبان کو درست طریقے سے سیکھ اور سمجھ سکتے ہیں۔ دی رد عمل منطق کا مجموعہ ہے۔ استدلال (تربیت) اور اداکاری ماڈل سے بہتر نتائج حاصل کرنے کے لیے (ٹیسٹنگ) مراحل۔

فوری آؤٹ لائن

یہ پوسٹ دکھائے گی:







لینگ چین میں دستاویز اسٹور کے ساتھ رد عمل کی منطق کو کیسے نافذ کیا جائے۔



نتیجہ



LangChain میں دستاویز اسٹور کے ساتھ ReAct منطق کو کیسے نافذ کیا جائے؟

لینگویج ماڈلز کو انگریزی وغیرہ جیسی قدرتی زبانوں میں لکھے گئے ڈیٹا کے ایک بڑے تالاب پر تربیت دی جاتی ہے۔ ڈیٹا کو دستاویزی اسٹورز میں منظم اور محفوظ کیا جاتا ہے اور صارف آسانی سے اسٹور سے ڈیٹا لوڈ کر کے ماڈل کو تربیت دے سکتا ہے۔ ماڈل ٹریننگ متعدد تکرار لے سکتی ہے کیونکہ ہر تکرار ماڈل کو زیادہ موثر اور بہتر بناتی ہے۔





LangChain میں دستاویزی اسٹور کے ساتھ کام کرنے کے لیے ReAct منطق کو لاگو کرنے کا طریقہ سیکھنے کے لیے، بس اس سادہ گائیڈ پر عمل کریں:

مرحلہ 1: فریم ورک انسٹال کرنا

سب سے پہلے، LangChain فریم ورک کو انسٹال کرکے دستاویز اسٹور کے ساتھ کام کرنے کے لیے ReAct منطق کو لاگو کرنے کے عمل کے ساتھ شروع کریں۔ LangChain فریم ورک کو انسٹال کرنے سے اس عمل کو مکمل کرنے کے لیے لائبریریوں کو حاصل کرنے یا درآمد کرنے کے لیے تمام مطلوبہ انحصار مل جائے گا:



pip انسٹال langchain

اس گائیڈ کے لیے ویکیپیڈیا کے انحصار کو انسٹال کریں کیونکہ اس کا استعمال دستاویز کے اسٹورز کو ReAct منطق کے ساتھ کام کرنے کے لیے کیا جا سکتا ہے:

pip install wikipedia

اوپن اے آئی ماڈیولز کو پائپ کمانڈ کا استعمال کرتے ہوئے انسٹال کریں تاکہ اس کی لائبریریاں حاصل کریں اور بڑے لینگویج ماڈلز یا ایل ایل ایم بنائیں:

پائپ انسٹال اوپنائی

مرحلہ 2: OpenAI API کلید فراہم کرنا

تمام مطلوبہ ماڈیولز انسٹال کرنے کے بعد، بس ماحول قائم کریں مندرجہ ذیل کوڈ کا استعمال کرتے ہوئے OpenAI اکاؤنٹ سے API کلید کا استعمال کرتے ہوئے:

درآمد تم

درآمد گیٹ پاس

تم . تقریباً [ 'OPENAI_API_KEY' ] = گیٹ پاس . گیٹ پاس ( 'اوپن اے آئی API کلید:' )

مرحلہ 3: لائبریریاں درآمد کرنا

ماحول کو ترتیب دینے کے بعد، LangChain سے لائبریریوں کو درآمد کریں جو دستاویز کے اسٹورز کے ساتھ کام کرنے کے لیے ReAct منطق کو ترتیب دینے کے لیے درکار ہیں۔ DocstoreExplaorer حاصل کرنے کے لیے LangChain ایجنٹوں کا استعمال کرنا اور زبان کے ماڈل کو ترتیب دینے کے لیے اس کی اقسام کے ساتھ ایجنٹس:

سے langchain ایل ایم ایس درآمد اوپن اے آئی

سے langchain ڈاکٹر کی دکان درآمد ویکیپیڈیا

سے langchain ایجنٹس درآمد ابتدائیہ_ایجنٹ ، ٹول

سے langchain ایجنٹس درآمد ایجنٹ کی قسم

سے langchain ایجنٹس . رد عمل . بنیاد درآمد ڈاکٹر اسٹور ایکسپلورر

مرحلہ 4: ویکیپیڈیا ایکسپلورر کا استعمال

ترتیب دیں ' ڈاکٹر کی دکان DocstoreExplorer() طریقہ کے ساتھ متغیر اور اس کی دلیل میں Wikipedia() طریقہ کو کال کریں۔ OpenAI طریقہ استعمال کرتے ہوئے بڑی زبان کا ماڈل بنائیں۔ text-davinci-002 ایجنٹ کے لیے ٹولز سیٹ کرنے کے بعد ماڈل:

ڈاکٹر کی دکان = ڈاکٹر اسٹور ایکسپلورر ( ویکیپیڈیا ( ) )
اوزار = [
ٹول (
نام = 'تلاش' ،
func = ڈاکٹر کی دکان تلاش کریں ،
تفصیل = 'یہ تلاش کے ساتھ سوالات / اشارے پوچھنے کے لئے استعمال کیا جاتا ہے' ،
) ،
ٹول (
نام = 'اوپر دیکھو' ،
func = ڈاکٹر کی دکان اوپر دیکھو ،
تفصیل = 'یہ تلاش کے ساتھ سوالات / اشارے پوچھنے کے لئے استعمال ہوتا ہے' ،
) ،
]

ایل ایل ایم = اوپن اے آئی ( درجہ حرارت = 0 ، ماڈل_نام = 'ٹیکسٹ-ڈیونچی-002' )
# ایجنٹ کے ساتھ ماڈل کو ترتیب دے کر متغیر کی وضاحت کرنا
رد عمل = ابتدائیہ_ایجنٹ ( اوزار ، ایل ایل ایم ، ایجنٹ = ایجنٹ کی قسم۔ REACT_DOCSTORE ، لفظی = سچ ہے۔ )

مرحلہ 5: ماڈل کی جانچ کرنا

ایک بار جب ماڈل بن جائے اور کنفیگر ہو جائے، سوال کی تار سیٹ کریں اور اس کی دلیل میں سوال متغیر کے ساتھ طریقہ چلائیں:

سوال = 'امریکی بحریہ کے کون سے ایڈمرل نے مصنف ڈیوڈ چینوف کے ساتھ تعاون کیا'

رد عمل رن ( سوال )

ایک بار سوال متغیر پر عمل درآمد ہو جانے کے بعد، ماڈل نے بغیر کسی بیرونی پرامپٹ ٹیمپلیٹ یا تربیت کے سوال کو سمجھ لیا ہے۔ ماڈل کو خود بخود تربیت دی جا رہی ہے پچھلے مرحلے میں اپ لوڈ کردہ ماڈل کا استعمال کرتے ہوئے اور اس کے مطابق متن تیار کرنا۔ ReAct منطق سوال کی بنیاد پر معلومات نکالنے کے لیے دستاویز اسٹورز کے ساتھ کام کر رہی ہے:

دستاویز کی دکانوں سے ماڈل کو فراہم کردہ ڈیٹا سے ایک اور سوال پوچھیں اور ماڈل اسٹور سے جواب نکالے گا:

سوال = 'مصنف ڈیوڈ چانوف نے ولیم جے کرو کے ساتھ تعاون کیا ہے جس نے کس صدر کے تحت خدمات انجام دیں؟'

رد عمل رن ( سوال )

یہ سب کچھ LangChain میں دستاویز اسٹور کے ساتھ کام کرنے کے لیے ReAct منطق کو نافذ کرنے کے بارے میں ہے۔

نتیجہ

LangChain میں دستاویز اسٹور کے ساتھ کام کے لیے ReAct منطق کو نافذ کرنے کے لیے، زبان کے ماڈل کی تعمیر کے لیے ماڈیول یا فریم ورک انسٹال کریں۔ اس کے بعد، LLM کو کنفیگر کرنے کے لیے OpenAI کے لیے ماحول ترتیب دیں اور ReAct منطق کو لاگو کرنے کے لیے دستاویز اسٹور سے ماڈل لوڈ کریں۔ اس گائیڈ نے دستاویز اسٹور کے ساتھ کام کرنے کے لیے ReAct منطق کو لاگو کرنے کی وضاحت کی ہے۔