بڑی زبان کے ماڈلز یا LLMs چیٹ بوٹس بنانے کے لیے ایک طاقتور قسم کا نیورل نیٹ ورک الگورتھم ہیں جو قدرتی زبانوں میں کمانڈز کا استعمال کرتے ہوئے ڈیٹا حاصل کرتے ہیں۔ ایل ایل ایم مشینوں/کمپیوٹرز کو قدرتی زبان کو بہتر طریقے سے سمجھنے اور انسانوں جیسی زبان پیدا کرنے کے قابل بناتے ہیں۔ LangChain ماڈیول NLP ماڈل بنانے کے لیے بھی کام کرتا ہے۔ تاہم، اس کا ایل ایل ایم نہیں ہے لیکن یہ بہت سے مختلف ایل ایل ایم کے ساتھ تعامل کی اجازت دیتا ہے۔
یہ گائیڈ LangChain کا استعمال کرتے ہوئے بڑی زبان کے ماڈلز کے ساتھ تعامل کے عمل کی وضاحت کرے گا۔
LangChain کا استعمال کرتے ہوئے LLMs کے ساتھ تعامل کیسے کریں؟
LangChain کا استعمال کرتے ہوئے LLMs کے ساتھ تعامل کرنے کے لیے، مثالوں کے ساتھ اس سادہ قدم بہ قدم گائیڈ کی پیروی کریں:
LLMs کے ساتھ تعامل کرنے کے لیے ماڈیولز انسٹال کریں۔
LangChain کا استعمال کرتے ہوئے LLMs کے ساتھ تعامل کا عمل شروع کرنے سے پہلے، انسٹال کریں۔ langchain مندرجہ ذیل کوڈ کا استعمال کرتے ہوئے ماڈیول:
pip انسٹال کریں langchain
OpenAI فریم ورک کو انسٹال کرنے کے لیے، درج ذیل کوڈ کے ذریعے LLMs کے ساتھ تعامل کے لیے اس کی API کلید کا استعمال کریں:
اب درآمد کریں ' تم 'اور' گیٹ پاس کوڈ پر عمل کرنے کے بعد OpenAI API کلید استعمال کرنے کے لیے:
ہمیں درآمد کریں
گیٹ پاس درآمد کریں۔
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API کلید:' )
ایل ایل ایم کو کال کرنا
OpenAI لائبریری کو LangChain ماڈیول سے درآمد کریں تاکہ اس کے فنکشن کو ' ایل ایل ایم متغیر:
langchain.llms سے OpenAI درآمد کریں۔llm = اوپن اے آئی ( )
اس کے بعد، صرف کال کریں ' ایل ایل ایم فنکشن اور اس کے پیرامیٹر کے طور پر پرامپٹ استفسار:
LLMs کا استعمال کرتے ہوئے ایک سے زیادہ متن تیار کریں۔
ایل ایل ایم سے متن تیار کرنے کے لیے قدرتی زبان میں متعدد اشارے کے ساتھ generate() طریقہ استعمال کریں اور انہیں ' llm_result متغیر:
llm_result = llm.generate ( [ 'میں ایک لطیفہ سننا چاہتا ہوں' ، 'ایک نظم لکھو' ] * پندرہ )
میں ذخیرہ شدہ اشیاء کی لمبائی حاصل کریں ' llm_result generate() فنکشن کا استعمال کرتے ہوئے متغیر:
اشیاء کے انڈیکس نمبر کے ساتھ صرف متغیر کو کال کریں:
درج ذیل اسکرین شاٹ میں ذخیرہ شدہ متن دکھاتا ہے ' llm_result اس کے 0-انڈیکس پر متغیر جوک پیدا کرتا ہے:
llm_result متغیر میں رکھی گئی نظم کو پیدا کرنے کے لیے انڈیکس -1 پیرامیٹر کے ساتھ نسل () طریقہ استعمال کریں:
فراہم کنندہ کی مخصوص معلومات حاصل کرنے کے لیے بس نتیجہ کے متغیر میں جنریٹڈ آؤٹ پٹ ڈسپلے کریں جو پچھلے LLM میں جنریٹڈ فنکشن کا استعمال کرتے ہوئے تیار کی گئی ہے:
یہ سب کچھ قدرتی زبان پیدا کرنے کے لیے LangChain فریم ورک کا استعمال کرتے ہوئے LLMs کے ساتھ بات چیت کے بارے میں ہے۔
نتیجہ
LangChain کا استعمال کرتے ہوئے بڑی زبان کے ماڈلز کے ساتھ تعامل کرنے کے لیے، LLMs کے لیے لائبریریوں کو درآمد کرنے کے لیے صرف LangChain اور OpenAI جیسے فریم ورکس کو انسٹال کریں۔ اس کے بعد، قدرتی زبان کو سمجھنے یا تخلیق کرنے کے لیے LLMs کے بطور استعمال کرنے کے لیے OpenAI API کلید فراہم کریں۔ قدرتی زبان میں ان پٹ پرامپٹ کے لیے LLM استعمال کریں اور پھر کمانڈ کی بنیاد پر ٹیکسٹ بنانے کے لیے اسے کال کریں۔ اس گائیڈ نے LangChain ماڈیولز کا استعمال کرتے ہوئے بڑی زبان کے ماڈلز کے ساتھ تعامل کے عمل کی وضاحت کی ہے۔