یہ گائیڈ LangChain Hub سے زنجیروں کو لوڈ کرنے کے عمل کی وضاحت کرے گا۔
LangChain کا استعمال کرتے ہوئے چین میں میموری کی حالت کیسے شامل کی جائے؟
یادداشت کی حالت زنجیروں کو شروع کرنے کے لیے استعمال کی جا سکتی ہے کیونکہ یہ زنجیروں میں ذخیرہ شدہ حالیہ قدر کا حوالہ دے سکتی ہے جو آؤٹ پٹ کو واپس کرتے وقت استعمال کی جائے گی۔ LangChain فریم ورک کا استعمال کرتے ہوئے زنجیروں میں میموری کی حالت کو شامل کرنے کے عمل کو جاننے کے لیے، بس اس آسان گائیڈ کو دیکھیں:
مرحلہ 1: ماڈیولز انسٹال کریں۔
سب سے پہلے، پائپ کمانڈ کا استعمال کرتے ہوئے لینگ چین فریم ورک کو اس کے انحصار کے ساتھ انسٹال کرکے عمل میں شامل ہوں:
pip انسٹال langchain
اوپن اے آئی ماڈیول کو بھی انسٹال کریں تاکہ اس کی لائبریریاں حاصل کی جا سکیں جنہیں سلسلہ میں میموری کی حالت شامل کرنے کے لیے استعمال کیا جا سکتا ہے:
پائپ انسٹال اوپنائی
OpenAI اکاؤنٹ سے API کلید حاصل کریں اور ماحول قائم کریں اس کا استعمال کرتے ہوئے تاکہ زنجیریں اس تک رسائی حاصل کرسکیں:
درآمد تم
درآمد گیٹ پاس
تم . تقریباً [ 'OPENAI_API_KEY' ] = گیٹ پاس . گیٹ پاس ( 'اوپن اے آئی API کلید:' )
کوڈ کے صحیح طریقے سے کام کرنے کے لیے یہ مرحلہ اہم ہے۔
مرحلہ 2: لائبریریاں درآمد کریں۔
ماحول کو ترتیب دینے کے بعد، LLMChain، ConversationBufferMemory، اور بہت کچھ جیسے میموری کی حالت کو شامل کرنے کے لیے لائبریریوں کو درآمد کریں۔
سے langchain زنجیریں درآمد گفتگو کا سلسلہسے langchain یاداشت درآمد گفتگو بفر میموری
سے langchain چیٹ_ماڈلز درآمد چیٹ اوپن اے آئی
سے langchain زنجیریں . ایل ایل ایم درآمد ایل ایل ایم چین
سے langchain اشارہ کرتا ہے درآمد PromptTemplate
مرحلہ 3: زنجیروں کی تعمیر
اب، صرف LLM کے لیے OpenAI() طریقہ اور پرامپٹ کے ٹیمپلیٹ کا استعمال کرتے ہوئے زنجیر کو کال کرنے کے لیے استفسار کا استعمال کرتے ہوئے زنجیریں بنائیں:
چیٹ = چیٹ اوپن اے آئی ( درجہ حرارت = 0 )prompt_template = 'ایک {style} لطیفہ لکھیں'
llm_chain = ایل ایل ایم چین ( ایل ایل ایم = چیٹ , فوری طور پر = PromptTemplate. سے_ٹیمپلیٹ ( prompt_template ) )
llm_chain ( ان پٹ = { 'انداز' : 'کرنی' } )
ماڈل نے LLM ماڈل کا استعمال کرتے ہوئے آؤٹ پٹ کو ظاہر کیا ہے جیسا کہ ذیل میں اسکرین شاٹ میں دکھایا گیا ہے:
مرحلہ 4: میموری کی حالت شامل کرنا
یہاں ہم ConversationBufferMemory() طریقہ استعمال کرتے ہوئے زنجیر میں میموری کی حالت شامل کرنے جا رہے ہیں اور قوس قزح سے 3 رنگ حاصل کرنے کے لیے چین کو چلائیں:
بات چیت = گفتگو کا سلسلہ (ایل ایل ایم = چیٹ ,
یاداشت = گفتگو بفر میموری ( )
)
بات چیت رن ( 'مختصر طور پر اندردخش میں 3 رنگ دیں' )
ماڈل نے اندردخش کے صرف تین رنگ دکھائے ہیں اور سیاق و سباق کو سلسلہ کی یاد میں محفوظ کیا گیا ہے:
یہاں ہم ایک مبہم کمانڈ کے ساتھ سلسلہ چلا رہے ہیں جیسے ' دیگر 4؟ لہذا ماڈل خود میموری سے سیاق و سباق حاصل کرتا ہے اور باقی اندردخش رنگ دکھاتا ہے:
بات چیت رن ( 'دیگر 4؟' )ماڈل نے بالکل ایسا ہی کیا ہے، جیسا کہ اس نے سیاق و سباق کو سمجھا اور اندردخش کے سیٹ سے باقی چار رنگ واپس کر دیے:
یہ سب LangChain Hub سے زنجیروں کو لوڈ کرنے کے بارے میں ہے۔
نتیجہ
LangChain فریم ورک کا استعمال کرتے ہوئے زنجیروں میں میموری کو شامل کرنے کے لیے، LLM بنانے کے لیے ماحول کو ترتیب دینے کے لیے صرف ماڈیولز انسٹال کریں۔ اس کے بعد، LLM میں زنجیریں بنانے کے لیے درکار لائبریریوں کو درآمد کریں اور پھر اس میں میموری کی حالت شامل کریں۔ زنجیر میں میموری کی حالت کو شامل کرنے کے بعد، آؤٹ پٹ حاصل کرنے کے لیے صرف چین کو کمانڈ دیں اور پھر صحیح جواب حاصل کرنے کے لیے پچھلے والے کے تناظر میں ایک اور کمانڈ دیں۔ اس پوسٹ میں LangChain فریم ورک کا استعمال کرتے ہوئے زنجیروں میں میموری کی حالت کو شامل کرنے کے عمل کی وضاحت کی گئی ہے۔