فوری آؤٹ لائن
یہ پوسٹ درج ذیل کو ظاہر کرے گی:
- LangChain میں ایجنٹ کے درمیانی مراحل تک کیسے رسائی حاصل کی جائے۔
- فریم ورک انسٹال کرنا
- OpenAI ماحول کی ترتیب
- لائبریریاں درآمد کرنا
- ایل ایل ایم اور ایجنٹ کی تعمیر
- ایجنٹ کا استعمال کرتے ہوئے
- طریقہ 1: انٹرمیڈیٹ مراحل تک رسائی کے لیے ڈیفالٹ ریٹرن کی قسم
- طریقہ 2: درمیانی مراحل تک رسائی کے لیے 'ڈمپ' کا استعمال
- نتیجہ
LangChain میں ایجنٹ کے درمیانی مراحل تک کیسے رسائی حاصل کی جائے؟
LangChain میں ایجنٹ بنانے کے لیے، صارف کو ماڈل میں شامل مراحل کی تعداد حاصل کرنے کے لیے اس کے ٹولز اور ٹیمپلیٹ کی ساخت کو ترتیب دینے کی ضرورت ہے۔ ایجنٹ درمیانی مراحل جیسے خیالات، اعمال، مشاہدات وغیرہ کو خودکار بنانے کا ذمہ دار ہے۔ LangChain میں ایجنٹ کے درمیانی مراحل تک رسائی حاصل کرنے کا طریقہ جاننے کے لیے، بس درج کردہ مراحل پر عمل کریں:
مرحلہ 1: فریم ورک انسٹال کرنا
سب سے پہلے، Python نوٹ بک میں درج ذیل کوڈ کو عمل میں لا کر صرف LangChain کے انحصار کو انسٹال کریں:
pip install langchain_experimental
اوپن اے آئی ماڈیول کو انسٹال کریں تاکہ اس کا استعمال کرتے ہوئے انحصار حاصل کریں۔ pip کمانڈ کریں اور انہیں زبان کا ماڈل بنانے کے لیے استعمال کریں:
پائپ انسٹال اوپنائی
مرحلہ 2: OpenAI ماحول کو ترتیب دینا
ماڈیولز انسٹال ہونے کے بعد، سیٹ اپ کریں۔ اوپن اے آئی ماحول اس کے اکاؤنٹ سے تیار کردہ 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
اب جب کہ ہمارے پاس انحصار انسٹال ہے، انہیں LangChain سے لائبریریاں درآمد کرنے کے لیے استعمال کریں:
langchain سے. ایجنٹس درآمد لوڈ_ٹولزlangchain سے. ایجنٹس درآمد ابتدائیہ_ایجنٹ
langchain سے. ایجنٹس درآمد ایجنٹ کی قسم
langchain سے. ایل ایم ایس درآمد اوپن اے آئی
مرحلہ 4: ایل ایل ایم اور ایجنٹ بنانا
ایک بار جب لائبریریاں درآمد ہو جاتی ہیں، تو یہ وقت ہے کہ ان کا استعمال ایجنٹ کے لیے زبان کے ماڈل اور ٹولز کی تعمیر کے لیے کیا جائے۔ llm متغیر کی وضاحت کریں اور اسے OpenAI() طریقہ کے ساتھ تفویض کریں جس میں درجہ حرارت اور model_name کے دلائل ہوں۔ ' اوزار متغیر میں SerpAPi اور llm-math ٹولز کے ساتھ load_tools() طریقہ اور اس کی دلیل میں زبان کا ماڈل شامل ہے:
ایل ایل ایم = اوپن اے آئی ( درجہ حرارت = 0 , ماڈل_نام = 'ٹیکسٹ-ڈیونچی-002' )اوزار = لوڈ_ٹولز ( [ 'سرپاپی' , 'ایل ایل ایم-ریاضی' ] , ایل ایل ایم = ایل ایل ایم )
ایک بار جب لینگویج ماڈل اور ٹولز کنفیگر ہو جائیں، صرف ایجنٹ کو ڈیزائن کریں کہ وہ لینگویج ماڈل میں ٹولز کا استعمال کرتے ہوئے انٹرمیڈیٹ اقدامات انجام دے:
ایجنٹ = ابتدائیہ_ایجنٹ (اوزار ,
ایل ایل ایم ,
ایجنٹ = ایجنٹ کی قسم۔ ZERO_SHOT_REACT_DESCRIPTION ,
لفظی = سچ ہے۔ ,
واپسی_درمیانی_اسٹیپس = سچ ہے۔ ,
)
مرحلہ 5: ایجنٹ کا استعمال
اب، ایجنٹ () طریقہ کے ان پٹ میں ایک سوال پوچھ کر اور اس پر عمل کرتے ہوئے ایجنٹ کو امتحان میں ڈالیں:
جواب = ایجنٹ ({
'ان پٹ' : 'لیو ڈی کیپریو کی گرل فرینڈ کون ہے اور ان کی عمر میں کتنا فرق ہے'
}
)
ماڈل نے لیو ڈی کیپریو کی گرل فرینڈ کا نام، اس کی عمر، لیو ڈی کیپریو کی عمر اور ان کے درمیان فرق جاننے کے لیے مؤثر طریقے سے کام کیا ہے۔ مندرجہ ذیل اسکرین شاٹ حتمی جواب حاصل کرنے کے لیے ایجنٹ کے ذریعے تلاش کیے گئے کئی سوالات اور جوابات دکھاتا ہے:
مندرجہ بالا اسکرین شاٹ ایجنٹ کے کام کو ظاہر نہیں کرتا ہے اور تمام جوابات تلاش کرنے کے لیے وہ اس مرحلے تک کیسے پہنچتا ہے۔ آئیے اقدامات تلاش کرنے کے لیے اگلے سیکشن پر چلتے ہیں:
طریقہ 1: انٹرمیڈیٹ مراحل تک رسائی کے لیے ڈیفالٹ ریٹرن کی قسم
انٹرمیڈیٹ مرحلے تک رسائی کا پہلا طریقہ درج ذیل کوڈ کا استعمال کرتے ہوئے LangChain کی طرف سے پیش کردہ ڈیفالٹ واپسی کی قسم کا استعمال کرنا ہے۔
پرنٹ کریں ( جواب [ 'درمیانی_اسٹیپس' ] )مندرجہ ذیل GIF ایک ہی لائن میں درمیانی مراحل دکھاتا ہے جو کہ پڑھنے کے قابل ہونے کے پہلو میں بہت اچھا نہیں ہے:
طریقہ 2: درمیانی مراحل تک رسائی کے لیے 'ڈمپ' کا استعمال
اگلا طریقہ LangChain فریم ورک سے ڈمپ لائبریری کا استعمال کرتے ہوئے انٹرمیڈیٹ اقدامات حاصل کرنے کا ایک اور طریقہ بتاتا ہے۔ آؤٹ پٹ کو مزید منظم اور پڑھنے میں آسان بنانے کے لیے ڈمپس() کا طریقہ خوبصورت دلیل کے ساتھ استعمال کریں:
langchain سے. لوڈ . ڈمپ درآمد ڈمپپرنٹ کریں ( ڈمپ ( جواب [ 'درمیانی_اسٹیپس' ] , خوبصورت = سچ ہے۔ ) )
اب، ہمارے پاس ایک زیادہ ساختی شکل میں آؤٹ پٹ ہے جسے صارف آسانی سے پڑھ سکتا ہے۔ مزید معنی خیز بنانے کے لیے اسے متعدد حصوں میں بھی تقسیم کیا گیا ہے اور ہر حصے میں سوالات کے جوابات تلاش کرنے کے اقدامات شامل ہیں:
یہ سب LangChain میں ایجنٹ کے درمیانی مراحل تک رسائی کے بارے میں ہے۔
نتیجہ
LangChain میں ایجنٹ کے درمیانی مراحل تک رسائی حاصل کرنے کے لیے، زبان کے ماڈلز بنانے کے لیے لائبریریوں کو درآمد کرنے کے لیے ماڈیولز انسٹال کریں۔ اس کے بعد، ٹولز، llm، اور ایجنٹ کی قسم کا استعمال کرتے ہوئے ایجنٹ کو شروع کرنے کے لیے ٹولز ترتیب دیں جو سوالات کا جواب دے سکیں۔ ایجنٹ کے کنفیگر ہونے کے بعد، جوابات حاصل کرنے کے لیے اس کی جانچ کریں اور پھر درمیانی مراحل تک رسائی کے لیے ڈیفالٹ ٹائپ یا ڈمپ لائبریری کا استعمال کریں۔ اس گائیڈ نے LangChain میں ایجنٹ کے درمیانی مراحل تک رسائی کے عمل کی وضاحت کی ہے۔