Model Bahasa Besar atau LLM adalah jenis algoritme jaringan saraf yang ampuh untuk membangun chatbot yang mengambil data menggunakan perintah dalam bahasa alami. LLM memungkinkan mesin/komputer memahami bahasa alami dengan lebih baik dan menghasilkan bahasa seperti manusia. Modul LangChain juga berfungsi untuk membangun model NLP. Namun, ia tidak memiliki LLM sendiri tetapi memungkinkan interaksi dengan banyak LLM berbeda.
Panduan ini akan menjelaskan proses interaksi dengan Model Bahasa Besar menggunakan LangChain.
Bagaimana Berinteraksi Dengan LLM Menggunakan LangChain?
Untuk berinteraksi dengan LLM menggunakan LangChain, cukup ikuti panduan langkah demi langkah sederhana ini dengan contoh:
Instal Modul untuk Berinteraksi dengan LLM
Sebelum memulai proses interaksi dengan LLM menggunakan LangChain, instal “ rantailang ” modul menggunakan kode berikut:
pip Install rantailang
Untuk menginstal kerangka OpenAI, gunakan kunci API untuk berinteraksi dengan LLM melalui kode berikut:
Sekarang, impor “ Anda ' Dan ' dapatkan pass ” untuk menggunakan kunci API OpenAI setelah mengeksekusi kode:
impor kami
impor getpass
os.lingkungan [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Kunci API OpenAI:' )
Memanggil LLM
Impor perpustakaan OpenAI dari modul LangChain untuk menetapkan fungsinya ke “ llm ' variabel:
dari langchain.llms impor OpenAIllm = OpenAI ( )
Setelah itu, cukup panggil “ llm ” fungsi dan kueri prompt sebagai parameternya:
Hasilkan Banyak Teks Menggunakan LLM
Gunakan metode generate() dengan beberapa perintah dalam bahasa alami untuk menghasilkan teks dari LLM dan menyimpannya di “ llm_result ' variabel:
llm_result = llm.hasilkan ( [ 'Aku ingin mendengar lelucon' , 'Tulis puisi' ] * limabelas )
Dapatkan panjang benda yang disimpan di “ llm_result ” variabel menggunakan fungsi generate():
Cukup panggil variabel dengan nomor indeks objek:
Tangkapan layar berikut menampilkan teks yang disimpan di “ llm_result ” variabel pada indeks 0 menghasilkan lelucon:
Gunakan metode generation() dengan parameter indeks -1 untuk menghasilkan puisi yang ditempatkan di variabel llm_result:
Cukup tampilkan keluaran yang dihasilkan dalam variabel hasil untuk mendapatkan informasi spesifik penyedia yang dihasilkan di LLM sebelumnya menggunakan fungsi yang dihasilkan:
Itu semua tentang berinteraksi dengan LLM menggunakan kerangka LangChain untuk menghasilkan bahasa alami.
Kesimpulan
Untuk berinteraksi dengan Model Bahasa Besar menggunakan LangChain, cukup instal kerangka kerja seperti LangChain dan OpenAI untuk mengimpor perpustakaan untuk LLM. Setelah itu, berikan kunci API OpenAI untuk digunakan sebagai LLM untuk memahami atau menghasilkan bahasa alami. Gunakan LLM untuk perintah masukan dalam bahasa alami dan kemudian panggil untuk menghasilkan teks berdasarkan perintah. Panduan ini menjelaskan proses interaksi dengan Model Bahasa Besar menggunakan modul LangChain.