ЛангЦхаин је оквир са апликацијом у домену обраде природног језика или НЛП-а за изградњу модела на језицима сличним људима. Људи могу да користе ове моделе да добију одговоре од модела или да разговарају као и сваки други човек. ЛангЦхаин се користи за изградњу ланаца тако што чува сваку реченицу у разговору и даље комуницира користећи је као контекст.
Овај пост ће илустровати процес изградње ЛЛМ и ЛЛМЦхаина у ЛангЦхаин-у.
Како изградити ЛЛМ и ЛЛМЦхаин у ЛангЦхаин-у?
Да бисте изградили ЛЛМ и ЛЛМЦхаин у ЛангЦхаин-у, једноставно прођите кроз наведене кораке:
Корак 1: Инсталирајте модуле
Прво, инсталирајте ЛангЦхаин модул да бисте користили његове библиотеке за прављење ЛЛМ-ова и ЛЛМЦхаин-а:
пип инсталл лангцхаин
Други модул који је потребан за прављење ЛЛМ-а је ОпенАИ и може се инсталирати помоћу команде пип:
пип инсталл опенаи 
Корак 2: Подесите окружење
Подесите окружење користећи ОпенАИ АПИ кључ из његовог окружења:
увози насимпорт гетпассос.енвирон['ОПЕНАИ_АПИ_КЕИ'] = гетпасс.гетпасс('ОпенАИ АПИ кључ:')
Пример 1: Направите ЛЛМ користећи ЛангЦхаин
Први пример је да направите велике језичке моделе користећи ЛангЦхаин увозом ОпенАИ и ЦхатОпенАИ библиотека и употребом функције ллм():
Корак 1: Коришћење ЛЛМ модела ћаскања
Увезите ОпенАИ и ЦхатОпенАИ модуле да бисте направили једноставан ЛЛМ користећи ОпенАИ окружење са ЛангЦхаин-а:
фром лангцхаин.цхат_моделс импорт ЦхатОпенАИиз лангцхаин.ллмс импорт ОпенАИ
ллм = ОпенАИ()
цхат_модел = ЦхатОпенАИ()
ллм.предицт('здраво!')
Модел је одговорио са „здраво“ одговором као што је приказано на следећем снимку екрана испод:
Функција предицт() из цхат_модела се користи за добијање одговора или одговора од модела:
цхат_модел.предицт('здраво!')Излаз показује да је модел на располагању кориснику који поставља упите:
Корак 2: Коришћење текстуалног упита
Корисник такође може добити одговоре из модела тако што ће дати комплетну реченицу у текстуалној променљивој:
тект = 'Које би било добро име компаније за компанију која производи шарене чарапе?'ллм.предицт(текст)
Модел је приказао више комбинација боја за шарене чарапе:
Добијте детаљан одговор од модела користећи функцију предицт() са комбинацијама боја за чарапе:
цхат_модел.предицт(текст) 
Корак 3: Коришћење текста са садржајем
Корисник може добити одговор уз мало објашњење одговора:
из лангцхаин.сцхема импорт ХуманМессагетект = 'Који би био добар наслов за компанију која прави шарену одећу'
поруке = [ХуманМессаге(цонтент=тект)]
ллм.предицт_мессагес(мессагес)
Модел је генерисао назив за компанију која је „Цреативе Цлотхинг Цо“:
Предвидите поруку да бисте добили одговор и за назив компаније са њеним објашњењем:
цхат_модел.предицт_мессагес(мессагес) 
Пример 2: Направите ЛЛМЦхаин користећи ЛангЦхаин
Други пример нашег водича гради ЛЛМЦхаин да добије модел у формату људске интеракције да комбинује све кораке из претходног примера:
фром лангцхаин.цхат_моделс импорт ЦхатОпенАИфром лангцхаин.промптс.цхат импорт ЦхатПромптТемплате
фром лангцхаин.промптс.цхат импорт ЦхатПромптТемплате
фром лангцхаин.промптс.цхат импорт СистемМессагеПромптТемплатефром лангцхаин.промптс.цхат импорт ХуманМессагеПромптТемплате
фром лангцхаин.цхаинс импорт ЛЛМЦхаин
из лангцхаин.сцхема импорт БасеОутпутПарсерцласс ЦоммаСепаратедЛистОутпутПарсер(БасеОутпутПарсер):
деф парсе(селф, тект: стр):
врати текст.стрип().сплит(', ')
Направите шаблон за модел ћаскања дајући детаљно објашњење његовог рада, а затим направите функцију ЛЛМЦхаин() која садржи ЛЛМ, излазни парсер и библиотеке цхат_промпт:
темплате = '''Морате помоћи у генерисању листа раздвојених зарезимаПреузмите категорију од корисника и генеришите листу раздвојену зарезима са пет објеката
Једина ствар треба да буде објекат из категорије '''
систем_мессаге_промпт = СистемМессагеПромптТемплате.фром_темплате(темплате)
хуман_темплате = '{текст}'
хуман_мессаге_промпт = ХуманМессагеПромптТемплате.фром_темплате(хуман_темплате)
#Конфигуришите ЛЛМЦхаин са структуром упита
цхат_промпт = ЦхатПромптТемплате.фром_мессагес([систем_мессаге_промпт, хуман_мессаге_промпт])
ланац = ЛЛМЦхаин(
ллм=ЦхатОпенАИ(),
промпт=цхат_промпт,
оутпут_парсер=ЦоммаСепаратедЛистОутпутПарсер()
)
цхаин.рун('цолорс')
Модел је дао одговор са листом боја јер категорија треба да садржи само 5 објеката датих у упиту:
То је све о изградњи ЛЛМ и ЛЛМЦхаина у ЛангЦхаин-у.
Закључак
Да бисте изградили ЛЛМ и ЛЛМЦхаин користећи ЛангЦхаин, једноставно инсталирајте ЛангЦхаин и ОпенАИ модуле да бисте подесили окружење користећи његов АПИ кључ. Након тога, направите ЛЛМ модел користећи цхат_модел након креирања шаблона упита за један упит до целог ћаскања. ЛЛМЦхаин се користи за изградњу ланаца свих запажања у разговору и њихово коришћење као контекст интеракције. Овај пост илуструје процес изградње ЛЛМ и ЛЛМЦхаина користећи ЛангЦхаин оквир.