Model Bahasa Besar atau LLM ialah sejenis algoritma rangkaian saraf yang berkuasa untuk membina bot sembang yang mengambil data menggunakan arahan dalam bahasa semula jadi. LLM membolehkan mesin/komputer memahami bahasa semula jadi dengan lebih baik dan menjana bahasa seperti manusia. Modul LangChain juga berfungsi untuk membina model NLP. Walau bagaimanapun, ia tidak mempunyai LLM tetapi ia membenarkan interaksi dengan banyak LLM yang berbeza.
Panduan ini akan menerangkan proses berinteraksi dengan Model Bahasa Besar menggunakan LangChain.
Bagaimana untuk Berinteraksi Dengan LLM Menggunakan LangChain?
Untuk berinteraksi dengan LLM menggunakan LangChain, cuma ikuti panduan langkah demi langkah mudah ini dengan contoh:
Pasang Modul untuk Berinteraksi Dengan LLM
Sebelum memulakan proses interaksi dengan LLM menggunakan LangChain, pasang “ langchain ” modul menggunakan kod berikut:
pip pasang langchain
Untuk memasang rangka kerja OpenAI, gunakan kunci APInya untuk berinteraksi dengan LLM melalui kod berikut:
Sekarang, import ' awak ” dan “ getpass ” untuk menggunakan kunci API OpenAI selepas melaksanakan kod:
import kami
import getpass
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'OpenAI API Key:' )
Memanggil LLM
Import perpustakaan OpenAI daripada modul LangChain untuk menetapkan fungsinya kepada “ llm ” pembolehubah:
daripada langchain.llms import OpenAIllm = OpenAI ( )
Selepas itu, hanya panggil ' llm ” fungsi dan pertanyaan segera sebagai parameternya:
Hasilkan Berbilang Teks Menggunakan LLM
Gunakan kaedah generate() dengan berbilang gesaan dalam bahasa semula jadi untuk menjana teks daripada LLM dan menyimpannya dalam “ llm_result ” pembolehubah:
llm_result = llm.generate ( [ 'Saya mahu mendengar jenaka' , 'Tulis puisi' ] * lima belas )
Dapatkan panjang objek yang disimpan dalam ' llm_result ” pembolehubah menggunakan fungsi generate():
Cukup panggil pembolehubah dengan nombor indeks objek:
Tangkapan skrin berikut memaparkan teks yang disimpan dalam ' llm_result ” pembolehubah pada indeks 0 yang menjana jenaka:
Gunakan kaedah generasi() dengan parameter indeks -1 untuk menjana puisi yang diletakkan dalam pembolehubah llm_result:
Hanya paparkan output yang dijana dalam pembolehubah hasil untuk mendapatkan maklumat khusus pembekal yang dijana dalam LLM sebelumnya menggunakan fungsi terjana:
Itu semua tentang berinteraksi dengan LLM menggunakan rangka kerja LangChain untuk menjana bahasa semula jadi.
Kesimpulan
Untuk berinteraksi dengan Model Bahasa Besar menggunakan LangChain, cuma pasang rangka kerja seperti LangChain dan OpenAI untuk mengimport perpustakaan untuk LLM. Selepas itu, sediakan kunci API OpenAI untuk digunakan sebagai LLM untuk memahami atau menjana bahasa semula jadi. Gunakan LLM untuk gesaan input dalam bahasa semula jadi dan kemudian panggilnya untuk menjana teks berdasarkan arahan. Panduan ini telah menerangkan proses berinteraksi dengan Model Bahasa Besar menggunakan modul LangChain.