Hitri oris
Ta objava bo pokazala naslednje:
Kaj so agenti pri obdelavi naravnega jezika (NLP)
Kako začeti z agenti v LangChainu
- Namestitev okvirjev
- Konfigurirajte model klepeta
- Gradbeni agent
- Priklic agenta
- Konfigurirajte agentska orodja
- Testiranje agenta
Kaj so agenti pri obdelavi naravnega jezika (NLP)?
Agenti so ključni sestavni deli aplikacije naravnega jezika in uporabljajo razumevanje naravnega jezika (NLU) za razumevanje poizvedb. Ti agenti so programi, ki delujejo kot pogovorna predloga za interakcijo z ljudmi z uporabo zaporedja nalog. Agenti uporabljajo več orodij, ki jih lahko prikliče agent za izvedbo več dejanj ali določitev naslednje naloge za izvedbo.
Kako začeti z agenti v LangChainu
Začnite postopek gradnje agentov za pogovor z ljudmi tako, da ekstrahirate rezultate z uporabo agentov v LangChain. Če želite izvedeti, kako začeti uporabljati agente v LangChain, preprosto sledite spodnjim korakom:
1. korak: Namestitev ogrodij
Najprej začnite s postopkom namestitve ogrodja LangChain z uporabo » pip ” za pridobitev zahtevanih odvisnosti za uporabo agentov:
pip namestite langchain 
Namestite modul OpenAI za gradnjo LLM in ga uporabite za konfiguracijo agentov v LangChain:
pip namestite openai 
Nastavite okolje za modul OpenAI z uporabo ključa API iz računa z zagonom naslednje kode:
uvoz tiuvoz getpass
ti . približno [ 'OPENAI_API_KEY' ] = getpass . getpass ( 'Ključ API OpenAI:' )
2. korak: Konfigurirajte model klepeta
Uvozite modul ChatOpenAI iz LangChain, da zgradite LLM z uporabo njegove funkcije:
od Langchain. chat_models uvoz ChatOpenAIllm = ChatOpenAI ( temperaturo = 0 )
Uvozite orodja za agenta za konfiguracijo nalog ali dejanj, ki jih mora izvajati agent. Naslednja koda uporablja metodo get_word_length() za pridobitev dolžine besede, ki jo je posredoval uporabnik:
od Langchain. zastopniki uvoz orodje@ orodje
def get_word_length ( beseda: str ) - > int :
'''dobiti dolžino besede'''
vrnitev samo ( beseda )
orodja = [ get_word_length ]
Konfigurirajte predlogo ali strukturo za model klepeta, da ustvarite vmesnik za klepet:
od Langchain. pozive uvoz ChatPromptTemplate , MessagesPlaceholderpoziv = ChatPromptTemplate. iz_sporočil ( [
( 'sistem' , 'vaš pomočnik je neverjeten, vendar potrebuje izboljšavo pri računanju dolžin' ) ,
( 'uporabnik' , '{input}' ) ,
MessagesPlaceholder ( ime_spremenljivke = 'agent_scratchpad' ) ,
] )
3. korak: Agent za gradnjo
Uvozite knjižnico orodij za gradnjo LLM z orodji, ki uporabljajo funkcije OpenAI iz modula LangChain:
od Langchain. orodja . upodabljati uvoz format_tool_to_openai_functionllm_z_orodji = llm. vezati (
funkcije = [ format_tool_to_openai_function ( t ) za t v orodja ]
)
Konfigurirajte agenta s funkcijskim agentom OpenAI za uporabo izhodnega razčlenjevalnika za nastavitev zaporedij dejanj/opravil:
od Langchain. zastopniki . format_scratchpad uvoz format_to_openai_functionsod Langchain. zastopniki . izhodni_razčlenjevalniki uvoz OpenAIFunctionsAgentOutputParser
agent = {
'vnos' : lambda x: x [ 'vnos' ] ,
'agent_scratchpad' : lambda x: format_to_openai_functions ( x [ 'vmesni_koraki' ] )
} | hitro | llm_z_orodji | OpenAIFunctionsAgentOutputParser ( )
4. korak: Priklic agenta
Naslednji korak uporablja funkcijo invoke() za klic agenta z uporabo argumentov input in intermediate_steps:
agent. priklicati ( {'vnos' : 'koliko črk v besedi dobro' ,
'vmesni_koraki' : [ ]
} )
5. korak: Konfigurirajte agentska orodja
Po tem preprosto uvozite knjižnico AgentFinish, da konfigurirate intermediate_steps z integracijo vseh korakov v zaporedju za dokončanje dejavnosti:
od Langchain. shema . agent uvoz AgentFinishvmesni_koraki = [ ]
medtem Prav :
izhod = agent. priklicati ( {
'vnos' : 'pisma v dobrem' ,
'vmesni_koraki' : vmesni_koraki
} )
če je primer ( izhod , AgentFinish ) :
končni_rezultat = izhod. povratne_vrednosti [ 'izhod' ]
odmor
drugače :
tiskanje ( izhod. orodje , izhod. tool_input )
orodje = {
'get_word_length' : get_wordlength
} [ izhod. orodje ]
opazovanje = orodje. teči ( izhod. tool_input )
vmesni_koraki. priložiti ( ( izhod , opazovanje ) )
tiskanje ( končni_rezultat )
6. korak: Testiranje agenta
Zdaj izvedite agenta tako, da pokličete metodo AgentExecutor(), potem ko ste uvozili njegovo knjižnico iz LangChaina:
od Langchain. zastopniki uvoz AgentExecutoragent_izvršitelj = AgentExecutor ( agent = agent , orodja = orodja , verbose = Prav )
Na koncu pokličite agent_executor z vhodnim argumentom, da vnesete poizvedbo za agenta:
agent_izvršitelj. priklicati ( { 'vnos' : 'koliko črk v besedi dobro' } )Agent je po zaključku verige prikazal odgovor na vprašanje, podano v vhodnem argumentu:
To je vse o začetku uporabe agentov v ogrodju LangChain.
Zaključek
Če želite začeti uporabljati agente v LangChain, preprosto namestite module, ki so potrebni za nastavitev okolja s ključem OpenAI API. Nato konfigurirajte model klepeta tako, da nastavite predlogo poziva za gradnjo agenta z zaporedjem vmesnih korakov. Ko je agent konfiguriran, preprosto zgradite orodja tako, da določite naloge, potem ko uporabniku posredujete vhodni niz. Ta blog je prikazal postopek uporabe agentov v LangChainu.