فوری آؤٹ لائن
یہ پوسٹ درج ذیل کو ظاہر کرے گی:
نیچرل لینگویج پروسیسنگ (NLP) میں ایجنٹ کیا ہیں؟
LangChain میں ایجنٹوں کے ساتھ شروع کرنا
- فریم ورک انسٹال کرنا
- چیٹ ماڈل کو ترتیب دیں۔
- بلڈنگ ایجنٹ
- ایجنٹ کو طلب کرنا
- ایجنٹ ٹولز کو ترتیب دیں۔
- ایجنٹ کی جانچ
نیچرل لینگویج پروسیسنگ (NLP) میں ایجنٹ کیا ہیں؟
ایجنٹ قدرتی زبان کے اطلاق کے اہم اجزاء ہیں اور وہ سوالات کو سمجھنے کے لیے نیچرل لینگویج انڈرسٹینڈنگ (NLU) کا استعمال کرتے ہیں۔ یہ ایجنٹ ایسے پروگرام ہیں جو کاموں کی ترتیب کا استعمال کرتے ہوئے انسانوں کے ساتھ تعامل کرنے کے لیے بات چیت کے سانچے کی طرح کام کرتے ہیں۔ ایجنٹ ایک سے زیادہ ٹولز کا استعمال کرتے ہیں جنہیں ایجنٹ کے ذریعے متعدد کارروائیوں کو انجام دینے یا انجام دینے کے لیے اگلا کام بتانے کے لیے بلایا جا سکتا ہے۔
LangChain میں ایجنٹوں کے ساتھ شروع کرنا
LangChain میں ایجنٹوں کا استعمال کرکے آؤٹ پٹ نکال کر انسانوں کے ساتھ بات چیت کرنے کے لیے ایجنٹس بنانے کا عمل شروع کریں۔ LangChain میں ایجنٹوں کے ساتھ شروع کرنے کے عمل کو جاننے کے لیے، بس نیچے دیے گئے مراحل پر عمل کریں:
مرحلہ 1: فریم ورک انسٹال کرنا
سب سے پہلے، 'کا استعمال کرتے ہوئے LangChain فریم ورک کو انسٹال کرنے کے عمل کے ساتھ شروع کریں۔ pip ایجنٹوں کے استعمال کے لیے مطلوبہ انحصار حاصل کرنے کے لیے کمانڈ:
pip انسٹال langchain 
LLM بنانے کے لیے OpenAI ماڈیول انسٹال کریں اور LangChain میں ایجنٹس کو کنفیگر کرنے کے لیے استعمال کریں:
پائپ انسٹال اوپنائی 
ماحول کو ترتیب دیں۔ OpenAI ماڈیول کے لیے درج ذیل کوڈ کو چلا کر اکاؤنٹ سے اس کی API کلید کا استعمال کرتے ہوئے:
درآمد تمدرآمد گیٹ پاس
تم . تقریباً [ 'OPENAI_API_KEY' ] = گیٹ پاس . گیٹ پاس ( 'اوپن اے آئی API کلید:' )
مرحلہ 2: چیٹ ماڈل کو ترتیب دیں۔
اس کے فنکشن کا استعمال کرتے ہوئے LLM بنانے کے لیے LangChain سے ChatOpenAI ماڈیول درآمد کریں:
سے langchain چیٹ_ماڈلز درآمد چیٹ اوپن اے آئیایل ایل ایم = چیٹ اوپن اے آئی ( درجہ حرارت = 0 )
ایجنٹ کی طرف سے انجام دینے کے لیے درکار کاموں یا اعمال کو ترتیب دینے کے لیے ایجنٹ کے لیے ٹولز درآمد کریں۔ صارف کے ذریعہ فراہم کردہ لفظ کی لمبائی حاصل کرنے کے لیے درج ذیل کوڈ get_word_length() طریقہ استعمال کرتا ہے۔
سے langchain ایجنٹس درآمد ٹول@ ٹول
def حاصل_لفظ_لمبائی ( لفظ: str ) - > int :
'''لفظ کی لمبائی حاصل کرنا'''
واپسی صرف ( لفظ )
اوزار = [ حاصل_لفظ_لمبائی ]
چیٹ کرنے کے لیے ایک انٹرفیس بنانے کے لیے چیٹ ماڈل کے لیے ٹیمپلیٹ یا ڈھانچہ ترتیب دیں:
سے langchain اشارہ کرتا ہے درآمد ChatPromptTemplate ، پیغامات پلیس ہولڈرفوری طور پر = ChatPromptTemplate. پیغامات سے ( [
( 'نظام' ، 'آپ کا معاون کافی حیرت انگیز ہے، لیکن لمبائی کا حساب لگانے میں بہتری کی ضرورت ہے' ) ،
( 'صارف' ، '{ان پٹ}' ) ،
پیغامات پلیس ہولڈر ( متغیر_نام = 'ایجنٹ_اسکریچ پیڈ' ) ،
] )
مرحلہ 3: بلڈنگ ایجنٹ
LangChain ماڈیول سے OpenAI فنکشنز کا استعمال کرتے ہوئے ٹولز کے ساتھ LLM بنانے کے لیے ٹولز لائبریری درآمد کریں:
سے langchain اوزار . رینڈر درآمد format_tool_to_openai_functionllm_with_tools = ایل ایل ایم باندھنا (
افعال = [ format_tool_to_openai_function ( t ) کے لیے t میں اوزار ]
)
ایکشن/ٹاسک کے سلسلے کو سیٹ کرنے کے لیے آؤٹ پٹ پارسر کا استعمال کرنے کے لیے اوپن اے آئی فنکشن ایجنٹ کا استعمال کرتے ہوئے ایجنٹ کو کنفیگر کریں:
سے langchain ایجنٹس . format_scratchpad درآمد format_to_openai_functionsسے langchain ایجنٹس . output_parsers درآمد OpenAIFunctionsAgentOutputParser
ایجنٹ = {
'ان پٹ' : لیمبڈا x: x [ 'ان پٹ' ] ،
'ایجنٹ_اسکریچ پیڈ' : لیمبڈا x: format_to_openai_functions ( ایکس [ 'درمیانی_اسٹیپس' ] )
} | پرامپٹ | llm_with_tools | OpenAIFunctionsAgentOutputParser ( )
مرحلہ 4: ایجنٹ کو طلب کرنا
اگلا مرحلہ invoke() فنکشن کا استعمال کرتے ہوئے ان پٹ اور intermediate_steps دلائل کا استعمال کرتے ہوئے ایجنٹ کو کال کرتا ہے۔
ایجنٹ پکارنا ( {'ان پٹ' : 'اچھے لفظ میں کتنے حروف ہیں' ،
'درمیانی_اسٹیپس' : [ ]
} )
مرحلہ 5: ایجنٹ ٹولز کو ترتیب دیں۔
اس کے بعد، سرگرمی کو مکمل کرنے کے لیے ایک ترتیب میں تمام مراحل کو یکجا کر کے انٹرمیڈیٹ_سٹیپس کو ترتیب دینے کے لیے صرف ایجنٹ فنش لائبریری کو درآمد کریں:
سے langchain سکیما . ایجنٹ درآمد ایجنٹ فنشدرمیانی_اسٹیپس = [ ]
جبکہ سچ ہے۔ :
آؤٹ پٹ = ایجنٹ پکارنا ( {
'ان پٹ' : 'اچھے خطوط' ،
'درمیانی_اسٹیپس' : intermediate_steps
} )
اگر مثال ( آؤٹ پٹ ، ایجنٹ فنش ) :
حتمی_نتیجہ = آؤٹ پٹ واپسی_اقدار [ 'آؤٹ پٹ' ]
توڑنا
اور :
پرنٹ کریں ( آؤٹ پٹ ٹول ، آؤٹ پٹ ٹول_ان پٹ )
ٹول = {
'لفظ_لمبائی حاصل کریں' : get_word_length
} [ آؤٹ پٹ ٹول ]
مشاہدہ = ٹول رن ( آؤٹ پٹ ٹول_ان پٹ )
درمیانی_اسٹیپس شامل کریں ( ( آؤٹ پٹ ، مشاہدہ ) )
پرنٹ کریں ( حتمی_نتیجہ )
مرحلہ 6: ایجنٹ کی جانچ کرنا
اب، LangChain سے اس کی لائبریری کو درآمد کرنے کے بعد ایجنٹ کو AgentExecutor() طریقہ کو کال کرکے عمل میں لائیں:
سے langchain ایجنٹس درآمد AgentExecutoragent_executor = AgentExecutor ( ایجنٹ = ایجنٹ ، اوزار = اوزار ، لفظی = سچ ہے۔ )
آخر میں، ایجنٹ کے لیے استفسار درج کرنے کے لیے ان پٹ دلیل کے ساتھ agent_executor کو طلب کریں:
agent_executor پکارنا ( { 'ان پٹ' : 'اچھے لفظ میں کتنے حروف ہیں' } )ایجنٹ نے سلسلہ ختم کرنے کے بعد ان پٹ دلیل میں فراہم کردہ سوال کا جواب ظاہر کیا ہے:
یہ سب کچھ LangChain فریم ورک میں ایجنٹوں کے ساتھ شروع کرنے کے بارے میں ہے۔
نتیجہ
LangChain میں ایجنٹوں کے ساتھ شروع کرنے کے لیے، صرف OpenAI API کلید کا استعمال کرتے ہوئے ماحول کو ترتیب دینے کے لیے درکار ماڈیولز انسٹال کریں۔ اس کے بعد، درمیانی مراحل کی ترتیب کے ساتھ ایجنٹ بنانے کے لیے پرامپٹ ٹیمپلیٹ ترتیب دے کر چیٹ ماڈل کو ترتیب دیں۔ ایجنٹ کے کنفیگر ہونے کے بعد، صارف کو ان پٹ سٹرنگ دینے کے بعد کاموں کی وضاحت کرکے صرف ٹولز بنائیں۔ اس بلاگ نے LangChain میں ایجنٹوں کے استعمال کے عمل کو ظاہر کیا ہے۔