Како имплементирати РеАцт логику помоћу агента у ЛангЦхаин-у?

Куицк Оутлине

Овај пост ће показати:

• Како имплементирати РеАцт логику помоћу агента у ЛангЦхаин-у
• Инсталирање оквира
• Учитавање језичког модела
• Метод 1: Коришћење ЛандЦхаин Екпрессион Лангуаге
• Грађевински агент
• Метод 2: Коришћење ЗероСхотРеацтАгент-а
• Метод 3: Коришћење модела ћаскања
• Изградња агента
• Метод 4: Коришћење ЦхатЗероСхотРеацтАгент-а
• Закључак

Како имплементирати РеАцт логику помоћу агента у ЛангЦхаин-у?

„ РеАцт ” је комбинација фаза разлога и акције за побољшање перформанси језичког модела као „ Ре “ односи се на разум и “ Ацт ” на акцију. РеАцт логика се често сматра најоптимизованијом за изградњу ЛЛМ-ова или цхат-бота за разумевање и генерисање текста. Агент је доносилац одлуке који одлучује које радње ће извршити и којим редоследом ће се извршити.

Да бисте научили процес имплементације РеАцт логике помоћу агента у ЛангЦхаин-у, једноставно прођите кроз следећи водич:

Корак 1: Инсталирање оквира

Пре свега, инсталирајте ЛангЦхаин да бисте започели са процесом имплементације РеАцт логике:

Инсталирајте гоогле-сеарцх-ресултс модул да бисте добили зависности за прављење агента који може да добије резултате претраге из гоогле-а:

Након тога, инсталирајте ОпенАИ модуле који се могу користити за учитавање великих језичких модела или ЛЛМ-ова за имплементацију РеАцт логике:

Након што добијете све потребне модуле, једноставно подесите ОпенАИ окружење за изградњу ЛЛМ и СерпАПИ окружење за коришћење агента у моделу:

Корак 2: Учитавање језичког модела

Следећи корак је учитавање језичких модела увозом потребних библиотека користећи ЛангЦхаин оквир:

Користите метод ОпенАИ() да направите језички модел (ллм), а затим конфигуришите алате за агенте користећи СерпАПИ:

Метод 1: Коришћење ЛандЦхаин Екпрессион Лангуаге

ЛЦЕЛ је процес интеграције или састављања ланаца заједно током изградње језичких модела у ЛангЦхаин-у. Започните процес инсталирањем ЛангЦхаинХуб-а да бисте добили његове зависности за изградњу и коришћење РеАцт логике са агентима у ЛангЦхаин-у:

Увоз библиотека из ЛангЦхаин-а као што је РеАцтСинглеИнпутОутпутПарсер да се направи модел који може да користи РеАцт модел:

Учитајте модел језика да бисте дизајнирали РеАцт логику користећи пулл() метод и сачувајте га у промпт променљивој. Дефинишите неке алате који се могу користити за имплементацију логике у учитаном скупу података за имплементацију његовог рада са агентом:

Грађевински агент

Сада конфигуришите агента и његове алате тако што ћете га интегрисати са језичким моделом учитаним у кораку 2 овог водича:

Дефинишите променљиву агента да бисте обезбедили аргументе и алате за конфигурисање агента који објашњавају његов рад. Претходно конфигурисани делови као што су ллм_витх_стоп и РеАцтСинглеИнпутОутпутПарсер() метода се интегришу са агентом:

Набавите библиотеку АгентЕкецутор и конфигуришите њен метод користећи аргументе као што су агент, алати и опширно да бисте добили читљивији излаз:

Позовите метод агент_екецутор() са стринг упитом као улазом који ће покренути агента да издвоји излаз:

Излаз

Следећи снимак екрана приказује да је агент издвојио информације користећи РеАцт логику и генерисао текст на природном језику:

Метод 2: Коришћење ЗероСхотРеацтАгент-а

РеАцт логика се такође може имплементирати коришћењем другог агента као што је ЗероСхотРеацтАгент док се конфигурише променљива агент_екецутор. Након тога, једноставно позовите променљиву агент_екецутор са питањем као улазом да бисте позвали агента:

Излаз

Агент је издвојио информације на основу инпута траженог приликом позивања агента_екецутор:

Метод 3: Коришћење модела ћаскања

Још један процес који се може користити за имплементацију РеАцт логике коришћењем модела ћаскања након увоза ЦхатОпенАИ библиотеке:

Направите модел ћаскања користећи ЦхатОпенАИ() методу са вредношћу температуре једнаком 0 која може да контролише случајност у резултатима модела:

Учитајте модел на којем корисник може да имплементира РеАцт логику да би је сачувао у промпт променљивој и конфигуришите алате који ће се користити у процесу:

Изградња агента

Користите модел ћаскања да сачувате запажања или недавне поруке када модел престане да генерише текст:

Набавите библиотеку РеАцтЈсонСинглеИнпутОутпутПарсер да бисте имплементирали РеАцт логику и произвели резултате у ЈСОН формату:

Направите и конфигуришите агента користећи променљиву и метод цхат_модел да бисте произвели резултате позивањем агента:

Конфигуришите агент_екецутор и покрените га да бисте добили резултате на основу упита датог у улазној променљивој:

Излаз

Агент је издвојио излаз као што је приказано на следећем снимку екрана:

Метод 4: Коришћење ЦхатЗероСхотРеацтАгент-а

Промена вредности агента се такође може користити за имплементацију РеАцт логике са ЛангЦхаин оквиром:

Излаз

Структура излаза садржи детаљне информације о раду агента из токена и модела који се користе за издвајање информација:

То је све о процесу имплементације РеАцт логике помоћу агента у ЛангЦхаин-у.

Закључак

Да бисте имплементирали РеАцт логику са агентом користећи ЛангЦхаин оквир, инсталирајте модуле као што је гоогле-сеарцх-ресултс да бисте конфигурисали агента. Након тога, подесите окружење користећи ОпенАИ и СерпАПИ акредитиве са њихових налога да бисте почели да користите модел. РеАцт логика се може имплементирати коришћењем ЛЦЕЛ и модела ћаскања са више агената које нуди ЛангЦхаин модул. Овај водич је разрадио имплементацију РеАцт логике помоћу агента у ЛангЦхаин-у.