یہ گائیڈ LangChain میں LLMCchains کو چلانے کے عمل کی وضاحت کرے گی۔
LangChain میں LLMCchains کیسے چلائیں؟
LangChain LLMs/Chatbots اور پرامپٹ ٹیمپلیٹس کا استعمال کرتے ہوئے LLMCchains بنانے کے لیے خصوصیات یا انحصار فراہم کرتا ہے۔ LangChain میں LLMCchains بنانے اور چلانے کے عمل کو جاننے کے لیے، بس درج ذیل مرحلہ وار گائیڈ پر عمل کریں:
مرحلہ 1: پیکجز انسٹال کریں۔
سب سے پہلے، LLMCchains کو بنانے اور چلانے کے لیے اس کا انحصار حاصل کرنے کے لیے LangChain ماڈیول کو انسٹال کر کے عمل کے ساتھ شروع کریں:
pip انسٹال langchain
LLMs بنانے کے لیے لائبریریوں کو OpenAI() فنکشن استعمال کرنے کے لیے pip کمانڈ کا استعمال کرتے ہوئے OpenAI فریم ورک انسٹال کریں:
پائپ انسٹال اوپنائی
ماڈیولز کی تنصیب کے بعد، بس ماحول قائم کریں OpenAI اکاؤنٹ سے API کلید کا استعمال کرتے ہوئے متغیرات:
درآمد تم
درآمد گیٹ پاس
تم . تقریباً [ 'OPENAI_API_KEY' ] = گیٹ پاس . گیٹ پاس ( 'اوپن اے آئی API کلید:' )
مرحلہ 2: لائبریریاں درآمد کریں۔
سیٹ اپ مکمل ہونے اور تمام مطلوبہ پیکجز انسٹال ہونے کے بعد، پرامپٹ ٹیمپلیٹ بنانے کے لیے مطلوبہ لائبریریاں درآمد کریں۔ اس کے بعد، صرف OpenAI() طریقہ استعمال کرتے ہوئے LLM بنائیں اور LLMs اور پرامپٹ ٹیمپلیٹ کا استعمال کرتے ہوئے LLMChain کو ترتیب دیں۔
سے langchain درآمد PromptTemplateسے langchain درآمد اوپن اے آئی
سے langchain درآمد ایل ایل ایم چین
prompt_template = 'مجھے کاروبار کے لیے ایک اچھا عنوان دیں جو {product} بنائے؟'
ایل ایل ایم = اوپن اے آئی ( درجہ حرارت = 0 )
llm_chain = ایل ایل ایم چین (
ایل ایل ایم = ایل ایل ایم ،
فوری طور پر = PromptTemplate. سے_ٹیمپلیٹ ( prompt_template )
)
llm_chain ( 'رنگین کپڑے' )
مرحلہ 3: زنجیروں کو چلانا
کاروبار کے ذریعہ تیار کردہ مختلف مصنوعات پر مشتمل ان پٹ لسٹ حاصل کریں اور اس فہرست کو اسکرین پر ظاہر کرنے کے لیے سلسلہ چلائیں:
input_list = [{ 'مصنوعات' : 'موزے' } ،
{ 'مصنوعات' : 'کمپیوٹر' } ،
{ 'مصنوعات' : 'جوتے' }
]
llm_chain درخواست دیں ( input_list )
generate() کا استعمال کرتے ہوئے طریقہ چلائیں۔ input_list ماڈل کے ذریعے پیدا ہونے والی گفتگو سے متعلق آؤٹ پٹ حاصل کرنے کے لیے LLMCchains کے ساتھ:
llm_chain پیدا کرنا ( input_list ) 
مرحلہ 4: سنگل ان پٹ کا استعمال
صرف ایک ان پٹ کا استعمال کرکے LLMCchains کو چلانے کے لیے ایک اور پروڈکٹ شامل کریں اور پھر آؤٹ پٹ پیدا کرنے کے لیے LLMCchain کی پیش گوئی کریں:
llm_chain پیشن گوئی ( مصنوعات = 'رنگین موزے' )مرحلہ 5: ایک سے زیادہ ان پٹ کا استعمال
اب، سلسلہ چلانے سے پہلے ماڈل کو کمانڈ فراہم کرنے کے لیے متعدد ان پٹ استعمال کرنے کے لیے ٹیمپلیٹ بنائیں:
سانچے = '''مجھے {موضوع} کے بارے میں کوئی {صفت} لطیفہ سناؤ۔'''فوری طور پر = PromptTemplate ( سانچے = سانچے ، input_variables = [ 'صفت' ، 'مضمون' ] )
llm_chain = ایل ایل ایم چین ( فوری طور پر = فوری طور پر ، ایل ایل ایم = اوپن اے آئی ( درجہ حرارت = 0 ) )
llm_chain پیشن گوئی ( صفت = 'اداس' ، مضمون = 'بطخیں' )
مرحلہ 6: آؤٹ پٹ پارسر کا استعمال
پرامپٹ کی بنیاد پر آؤٹ پٹ حاصل کرنے کے لیے یہ مرحلہ LLMChain کو چلانے کے لیے آؤٹ پٹ پارسر کا طریقہ استعمال کرتا ہے:
سے langchain output_parsers درآمد CommaSeparatedListOutputParseroutput_parser = CommaSeparatedListOutputParser ( )
سانچے = '''قوس قزح میں تمام رنگوں کی فہرست بنائیں'''
فوری طور پر = PromptTemplate ( سانچے = سانچے ، input_variables = [ ] ، output_parser = output_parser )
llm_chain = ایل ایل ایم چین ( فوری طور پر = فوری طور پر ، ایل ایل ایم = ایل ایل ایم )
llm_chain پیشن گوئی ( )
آؤٹ پٹ حاصل کرنے کے لیے parse() طریقہ استعمال کرنے سے اندردخش کے تمام رنگوں کی کوما سے الگ کردہ فہرست تیار ہو جائے گی۔
llm_chain پیشین گوئی_اور_تجزیہ ( ) 
مرحلہ 7: سٹرنگز سے شروع کرنا
یہ مرحلہ LLM ماڈل اور ٹیمپلیٹ کا استعمال کرتے ہوئے LLMCchain کو چلانے کے لیے پرامپٹ کے طور پر سٹرنگ استعمال کرنے کے عمل کی وضاحت کرتا ہے:
سانچے = '''مجھے {موضوع} کے بارے میں کوئی {صفت} لطیفہ سناؤ'''llm_chain = ایل ایل ایم چین۔ from_string ( ایل ایل ایم = ایل ایل ایم ، سانچے = سانچے )
LLMCchain چلا کر ماڈل سے آؤٹ پٹ حاصل کرنے کے لیے سٹرنگ پرامپٹ میں متغیرات کی قدریں فراہم کریں:
llm_chain پیشن گوئی ( صفت = 'اداس' ، مضمون = 'بطخیں' )یہ سب کچھ LangChain فریم ورک کا استعمال کرتے ہوئے LLMChains کو چلانے کے بارے میں ہے۔
نتیجہ
LangChain میں LLMCchains بنانے اور چلانے کے لیے، پیکجز جیسی شرطیں انسٹال کریں اور OpenAI کی API کلید کا استعمال کرتے ہوئے ماحول کو ترتیب دیں۔ اس کے بعد، LangChain انحصار کا استعمال کرتے ہوئے LLMChain چلانے کے لیے پرامپٹ ٹیمپلیٹ اور ماڈل کو ترتیب دینے کے لیے مطلوبہ لائبریریاں درآمد کریں۔ صارف LLMCchains کو چلانے کے لیے آؤٹ پٹ پارسر اور سٹرنگ کمانڈز استعمال کر سکتا ہے جیسا کہ گائیڈ میں دکھایا گیا ہے۔ اس گائیڈ نے LangChain میں LLMCchains کو چلانے کے مکمل عمل کی وضاحت کی ہے۔