سيوضح هذا الدليل عملية تشغيل LLMChains في LangChain.
كيفية تشغيل LLMChains في LangChain؟
يوفر LangChain الميزات أو التبعيات لبناء LLMChains باستخدام LLMs/Chatbots وقوالب المطالبة. لمعرفة عملية إنشاء وتشغيل LLMChains في LangChain، ما عليك سوى اتباع الدليل التدريجي التالي:
الخطوة 1: تثبيت الحزم
أولاً، ابدأ العملية عن طريق تثبيت وحدة LangChain للحصول على تبعياتها لبناء وتشغيل LLMChains:
نقطة تثبيت لانجشين
قم بتثبيت إطار عمل OpenAI باستخدام الأمر pip لجعل المكتبات تستخدم وظيفة OpenAI() لبناء LLMs:
نقطة تثبيت openai
بعد تركيب الوحدات، ببساطة إعداد البيئة المتغيرات باستخدام مفتاح API من حساب OpenAI:
يستورد أنت
يستورد com.getpass
أنت . تقريبًا [ 'OPENAI_API_KEY' ] = com.getpass . com.getpass ( 'مفتاح واجهة برمجة تطبيقات OpenAI:' )
الخطوة 2: استيراد المكتبات
بمجرد اكتمال الإعداد وتثبيت كافة الحزم المطلوبة، قم باستيراد المكتبات المطلوبة لإنشاء قالب المطالبة. بعد ذلك، ما عليك سوى إنشاء LLM باستخدام طريقة OpenAI() وتكوين LLMChain باستخدام LLMs وقالب المطالبة:
من com.langchain يستورد قالب موجهمن com.langchain يستورد OpenAI
من com.langchain يستورد LLMChain
Prompt_template = 'أعطني عنوانًا جيدًا للعمل التجاري الذي يصنع {المنتج}؟'
LLM = OpenAI ( درجة حرارة = 0 )
llm_chain = LLMChain (
LLM = LLM ,
اِسْتَدْعَى = قالب موجه. من القالب ( Prompt_template )
)
llm_chain ( 'الملابس الملونة' )
الخطوة 3: تشغيل السلاسل
احصل على قائمة الإدخال التي تحتوي على المنتجات المختلفة التي تنتجها الشركة وقم بتشغيل السلسلة لعرض القائمة على الشاشة:
input_list = [{ 'منتج' : 'جوارب' } ,
{ 'منتج' : 'حاسوب' } ,
{ 'منتج' : 'أحذية' }
]
llm_chain. يتقدم ( input_list )
قم بتشغيل طريقة الإنشاء () باستخدام input_list باستخدام LLMChains للحصول على المخرجات المتعلقة بالمحادثة التي أنشأها النموذج:
llm_chain. يولد ( input_list ) 
الخطوة 4: استخدام الإدخال الفردي
أضف منتجًا آخر لتشغيل LLMChain باستخدام إدخال واحد فقط، ثم توقع أن تقوم LLMChain بإنشاء الإخراج:
llm_chain. يتنبأ ( منتج = 'الجوارب الملونة' )الخطوة 5: استخدام مدخلات متعددة
الآن، أنشئ القالب لاستخدام مدخلات متعددة لتوفير الأمر للنموذج قبل تشغيل السلسلة:
نموذج = '''أخبرني نكتة {صفة} حول {الموضوع}.'''اِسْتَدْعَى = قالب موجه ( نموذج = نموذج , input_variables = [ 'صفة' , 'موضوع' ] )
llm_chain = LLMChain ( اِسْتَدْعَى = اِسْتَدْعَى , LLM = OpenAI ( درجة حرارة = 0 ) )
llm_chain. يتنبأ ( صفة = 'حزين' , موضوع = 'البط' )
الخطوة 6: استخدام محلل الإخراج
تستخدم هذه الخطوة طريقة محلل الإخراج لتشغيل LLMChain للحصول على الإخراج بناءً على الموجه:
من com.langchain. input_parsers يستورد CommaSeparatedListOutputParserinput_parser = CommaSeparatedListOutputParser ( )
نموذج = '''قائمة بجميع الألوان الموجودة في قوس قزح'''
اِسْتَدْعَى = قالب موجه ( نموذج = نموذج , input_variables = [ ] , input_parser = input_parser )
llm_chain = LLMChain ( اِسْتَدْعَى = اِسْتَدْعَى , LLM = LLM )
llm_chain. يتنبأ ( )
سيؤدي استخدام التابع parse() للحصول على المخرجات إلى إنشاء قائمة مفصولة بفواصل تضم جميع الألوان الموجودة في قوس قزح:
llm_chain. توقع_و_تحليل ( ) 
الخطوة 7: التهيئة من السلاسل
تشرح هذه الخطوة عملية استخدام سلسلة كموجه لتشغيل LLMChain باستخدام نموذج LLM والقالب:
نموذج = '''أخبرني نكتة {صفة} حول {الموضوع}'''llm_chain = LLMChain. from_string ( LLM = LLM , نموذج = نموذج )
قم بتوفير قيم المتغيرات في موجه السلسلة للحصول على مخرجات النموذج عن طريق تشغيل LLMChain:
llm_chain. يتنبأ ( صفة = 'حزين' , موضوع = 'البط' )يتعلق الأمر كله بتشغيل LLMChains باستخدام إطار عمل LangChain.
خاتمة
لإنشاء LLMChains وتشغيلها في LangChain، قم بتثبيت المتطلبات الأساسية مثل الحزم وقم بإعداد البيئة باستخدام مفتاح API الخاص بـ OpenAI. بعد ذلك، قم باستيراد المكتبات المطلوبة لتكوين قالب المطالبة والنموذج لتشغيل LLMChain باستخدام تبعيات LangChain. يمكن للمستخدم استخدام موزعي الإخراج وأوامر السلسلة لتشغيل LLMChains كما هو موضح في الدليل. لقد تناول هذا الدليل بالتفصيل العملية الكاملة لتشغيل LLMChains في LangChain.