图片由编辑
OpenAI 的 GPT-3、Google 的 BERT 和 Meta 的 LLaMA 等大型语言模型 (LLM) 凭借其生成各种文本(从营销文案、数据科学脚本到诗歌)的能力,正在给各个领域带来革命性的变化。
尽管 ChatGPT 的直观界面已成功应用于当今大多数人的设备中,但在各种软件集成中使用法学硕士仍有巨大的未开发潜力。
主要问题是什么?
大多数应用程序需要与法学硕士进行更流畅和原生的通信。
而这正是浪链的用武之地!
如果您对生成式人工智能和法学硕士感兴趣,本教程就是为您量身定制的。
那么……让我们开始吧!
以防万一您一直住在山洞里并且最近没有收到任何消息,我将简要解释一下大型语言模型或法学硕士。
法学硕士是一种复杂的人工智能系统,旨在模仿人类的文本理解和生成。 通过对大量数据集进行训练,这些模型可以识别复杂的模式,掌握语言的微妙之处,并产生连贯的输出。
如果您想知道如何与这些人工智能驱动的模型进行交互,有两种主要方法可以实现:
- 最常见、最直接的方式就是与模特交谈或聊天。 它涉及制作提示,将其发送到人工智能驱动的模型,并获得基于文本的输出作为响应。
- 另一种方法是将文本转换为数值数组。 此过程包括为人工智能编写提示并接收返回的数字数组。 也就是俗称的“嵌入”。 它最近经历了矢量数据库和语义搜索的激增。
而浪链试图解决的正是这两个问题。 如果你对与LLM交互的主要问题感兴趣,可以查看这篇文章 相关信息.
LangChain 是一个围绕法学硕士构建的开源框架。 它提供了一系列工具、组件和接口,可简化 LLM 驱动的应用程序的架构。
借助 LangChain,使用语言模型、互连不同的组件以及整合 API 和数据库等资产变得轻而易举。 这个直观的框架大大简化了法学硕士应用程序的开发过程。
Long Chain的核心思想是我们可以将不同的组件或模块(也称为链)连接在一起,以创建更复杂的LLM驱动的解决方案。
以下是浪链的一些突出特点:
- 可定制的提示模板来标准化我们的交互。
- 专为复杂用例量身定制的链节组件。
- 与领先的语言模型无缝集成,包括 OpenAI 的 GPT 和 HuggingFace Hub 上的语言模型。
- 用于评估任何特定问题或任务的混合搭配方法的模块化组件。
图片作者
LangChain 的特点是注重适应性和模块化设计。
LangChain背后的主要思想是将自然语言处理序列分解为各个部分,允许开发人员根据自己的需求定制工作流程。
这种多功能性使浪链成为在不同情况和行业构建人工智能解决方案的首选。
它的一些最重要的组成部分是……
图片作者
1. 法学硕士
法学硕士是利用大量训练数据来理解和生成类人文本的基本组成部分。 它们是 LangChain 内许多操作的核心,提供必要的语言处理能力来分析、解释和响应文本输入。
用法: 为聊天机器人提供动力,为各种应用程序生成类似人类的文本,帮助信息检索以及执行其他语言处理
2. 提示模板
提示是与 LLM 互动的基础,在处理特定任务时,它们的结构往往相似。 提示模板是可跨链使用的预设提示,允许通过添加特定值来标准化“提示”。 这增强了法学硕士的适应性和定制性。
用法: 标准化与法学硕士互动的过程。
3. 输出解析器
输出解析器是从链中的前一阶段获取原始输出并将其转换为结构化格式的组件。 然后可以在后续阶段更有效地使用该结构化数据或将其作为对最终用户的响应传递。
用法: 例如,在聊天机器人中,输出解析器可能会从语言模型中获取原始文本响应,提取关键信息,并将其格式化为结构化回复。
4. 组件和链条
在LangChain中,每个组件都充当一个模块,负责语言处理序列中的特定任务。 这些组件可以连接起来形成 链 用于定制工作流程。
用法: 在特定聊天机器人中生成情绪检测和响应生成器链。
5。 记忆
LangChain中的内存是指为工作流程中的信息提供存储和检索机制的组件。 该组件允许临时或持久存储数据,在与 LLM 交互期间,其他组件可以访问和操作这些数据。
用法: 这在需要在不同处理阶段保留数据的场景中非常有用,例如,将对话历史记录存储在聊天机器人中以提供上下文感知响应。
6。 代理
代理是能够根据其处理的数据采取行动的自治组件。 它们可以与其他组件、外部系统或用户交互,以在 LangChain 工作流程中执行特定任务。
用法: 例如,代理可以处理用户交互、处理传入请求并协调整个链中的数据流以生成适当的响应。
7. 索引和检索器
索引和检索器在有效管理和访问数据方面发挥着至关重要的作用。 索引是保存模型训练数据中的信息和元数据的数据结构。 另一方面,检索器是与这些索引交互的机制,以根据指定的标准获取相关数据,并允许模型通过提供相关上下文来更好地回复。
用法: 它们有助于从大型数据集中快速获取相关数据或文档,这对于信息检索或问答等任务至关重要。
8. 文档转换器
在LangChain中,文档转换器是专门的组件,旨在以适合进一步分析或处理的方式处理和转换文档。 这些转换可能包括文本规范化、特征提取或将文本转换为不同格式等任务。
用法: 为后续处理阶段准备文本数据,例如通过机器学习模型进行分析或建立索引以进行高效检索。
9. 嵌入模型
它们用于将文本数据转换为高维空间中的数值向量。 这些模型捕获单词和短语之间的语义关系,从而实现机器可读的表示。 它们构成了 LangChain 生态系统中各种下游自然语言处理(NLP)任务的基础。
用法: 通过提供文本的数字表示来促进语义搜索、相似性比较和其他机器学习任务。
10.矢量商店
专门通过嵌入存储和搜索信息的数据库系统类型,本质上是分析文本数据的数字表示。 VectorStore 充当这些嵌入的存储设施。
用法: 允许基于语义相似性的高效搜索。
使用 PIP 安装
我们要做的第一件事是确保我们的环境中安装了 LangChain。
pip install langchain
环境设置
使用 LangChain 通常意味着与不同的模型提供商、数据存储、API 等组件集成。 正如您所知,与任何集成一样,提供相关且正确的 API 密钥对于 LangChain 的运营至关重要。
想象一下我们想要使用 OpenAI API。 我们可以通过两种方式轻松完成此任务:
- 将 key 设置为环境变量
OPENAI_API_KEY="..."
or
import os
os.environ['OPENAI_API_KEY'] = “...”
如果您选择不建立环境变量,则可以选择在启动 OpenAI LLM 类时直接通过 openai_api_key 命名参数提供密钥:
- 直接在相关类中设置key即可。
from langchain.llms import OpenAI
llm = OpenAI(openai_api_key="...")
法学硕士之间的切换变得简单
LangChain提供了一个LLM类,可以让我们与不同的语言模型提供商进行交互,例如OpenAI和Hugging Face。
任何法学硕士都很容易上手,因为任何法学硕士最基本、最容易实现的功能就是生成文本。
然而,同时向不同的法学硕士询问完全相同的提示并不是那么容易。
这就是 LangChain 发挥作用的地方……
回到所有 LLM 最简单的功能,我们可以轻松地使用 LangChain 构建一个应用程序,该应用程序获取字符串提示并返回我们指定的 LLM 的输出。
作者代码
我们可以简单地使用相同的提示,在几行代码内获得两个不同模型的响应!
作者代码
令人印象深刻……对吧?
使用提示模板为我们的提示提供结构
语言模型 (LLM) 的一个常见问题是它们无法升级复杂的应用程序。 LangChain 通过提供一种解决方案来简化创建提示的过程来解决这个问题,这通常比仅仅定义任务更复杂,因为它需要概述人工智能的角色并确保事实的准确性。 其中很大一部分涉及重复的样板文本。 LangChain 通过提供提示模板来缓解这一问题,该模板会在新提示中自动包含样板文本,从而简化提示创建并确保不同任务之间的一致性。
作者代码
使用输出解析器获取结构化响应
在基于聊天的交互中,模型的输出仅仅是文本。 然而,在软件应用程序中,最好具有结构化输出,因为它允许进一步的编程操作。 例如,在生成数据集时,需要接收特定格式(例如 CSV 或 JSON)的响应。 假设可以设计一个提示来引出人工智能一致且格式适当的响应,那么就需要有工具来管理此输出。 LangChain 通过提供输出解析器工具来有效地处理和利用结构化输出来满足这一要求。
作者代码
你可以去我的网站上查看完整的代码 GitHub上.
不久前,ChatGPT的先进能力让我们惊叹不已。 然而,技术环境不断变化,现在像LangChain这样的工具触手可及,使我们能够在短短几个小时内从个人电脑上制作出出色的原型。
LangChain是一个免费的Python平台,为用户提供了一种开发以LLM(语言模型)为基础的应用程序的方法。 该平台为各种基础模型提供了灵活的接口,简化了提示处理,并通过代理充当提示模板、更多法学硕士、外部信息和其他资源(截至当前文档)等元素的纽带。
想象一下聊天机器人、数字助理、语言翻译工具和情绪分析实用程序; 所有这些支持 LLM 的应用程序都通过 LangChain 实现。 开发人员利用该平台来制作定制的语言模型解决方案,以满足不同的需求。
随着自然语言处理的范围不断扩大,其应用不断深入,其应用领域似乎是无限的。
约瑟夫·费雷尔 是来自巴塞罗那的分析工程师。 他毕业于物理工程专业,目前从事应用于人类移动的数据科学领域。 他是一名专注于数据科学和技术的兼职内容创作者。 你可以联系他 LinkedIn, Twitter or 中.
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://www.kdnuggets.com/how-to-make-large-language-models-play-nice-with-your-software-using-langchain?utm_source=rss&utm_medium=rss&utm_campaign=how-to-make-large-language-models-play-nice-with-your-software-using-langchain
- :具有
- :是
- :不是
- :在哪里
- $UP
- 7
- a
- 对,能力--
- 访问
- 访问
- 完成
- 横过
- 演戏
- 行动
- 行为
- 添加
- 地址
- 地址
- 解决
- 采用
- 高级
- 经纪人
- 中介代理
- 前
- AI
- AI供电
- 所有类型
- 让
- 允许
- 允许
- 已经
- 还
- 其中
- 量
- an
- 分析
- 分析
- 分析
- 分析
- 锚定
- 和
- 任何
- API
- APIs
- 应用领域
- 应用程序开发
- 应用领域
- 应用的
- 的途径
- 适当
- 架构
- 保健
- 围绕
- 排列
- 阿森纳
- 刊文
- 人造的
- 人工智能
- AS
- 问
- 评估
- 办公室文员:
- 助理
- At
- 自主性
- 可使用
- AWE
- 背部
- 巴塞罗那
- 基于
- 基本包
- BE
- 成为
- 成为
- 很
- 背后
- 更好
- 之间
- 苍茫
- 破坏
- 简要地
- 带来
- 建立
- 建筑物
- 建
- by
- CAN
- 能力
- 能力
- 捕获
- 案件
- 例
- 迎合
- 洞穴
- 链
- 链
- 聊天机器人
- 聊天机器人
- ChatGPT
- 聊天的
- 查
- 选择
- 程
- 码
- 相干
- 如何
- 相当常见
- 常用
- 沟通
- 比较
- 复杂
- 元件
- 组件
- 电脑
- 分享链接
- 已联繫
- 一贯
- CONTACT
- 内容
- 上下文
- 谈话
- 转化
- 兑换
- 转换
- 协调
- 核心
- 正确
- 手艺
- 精雕细琢
- 创建信息图
- 创造
- 创建
- 创造者
- 标准
- 关键
- 电流
- 目前
- 定制
- 定制
- 定制
- data
- 数据科学
- 数据集
- 数据库
- 数据库
- 加深
- 定义
- 提升
- 提供
- 设计
- 指定
- 设计
- 期望
- 检测
- 开发
- 开发
- 研发支持
- 设备
- 不同
- 数字
- 直接
- 直接
- 辨别
- 不同
- 杰出的
- 不同
- do
- 文件
- 文件
- 文件
- 向下
- ,我们将参加
- 每
- 最简单的
- 容易
- 易
- 生态系统
- 只
- 高效
- 有效
- 分子
- 嵌入
- 使
- 结束
- 从事
- 工程师
- 工程师
- 增强
- 巨大
- 保证
- 环境
- 升级
- 必要
- 本质上
- 建立
- 醚(ETH)
- 千变万化
- 例子
- 展开
- 有经验
- 说明
- 外部
- 提取
- 萃取
- 面部彩妆
- 诊所
- 事实
- 专栏
- 特征
- 少数
- 部分
- 指尖
- 姓氏:
- 柔软
- 流
- 流体
- 专注焦点
- 重点
- 针对
- 申请
- 格式
- 基金会
- 基础的
- 骨架
- 自如
- 止
- 功能
- 根本
- 进一步
- 生成
- 发电
- 代
- 生成的
- 生成式人工智能
- 发电机
- 得到
- 越来越
- Go
- 谷歌的
- 把握
- 手
- 处理
- 处理
- 有
- 有
- he
- 他
- 历史
- 保持
- 地平线
- HOURS
- 创新中心
- How To
- HTTPS
- 中心
- 拥抱脸
- 人
- 生病
- 主意
- if
- 进口
- 重要
- in
- 无力
- 包括
- 包含
- 来电
- 结合
- 指标
- 个人
- 行业
- 信息
- 启动
- 输入
- 安装
- 例
- 仪器的
- 整合
- 积分
- 集成
- 房源搜索
- 相互作用
- 互动
- 相互作用
- 互动
- 有兴趣
- 接口
- 接口
- 相互连接
- 成
- 错综复杂
- 直观的
- 涉及
- 问题
- IT
- 它的
- 旅程
- JSON
- 只是
- 掘金队
- 键
- 键
- 前场任意球
- 知道
- 已知
- 景观
- 语言
- 大
- 领导
- 学习
- 左
- 杠杆作用
- 生活
- 喜欢
- 线
- 友情链接
- 活的
- 骆驼
- 长
- 机
- 机器学习
- 主要
- 使
- 制作
- 管理
- 管理
- 管理的
- 操纵
- 许多
- 营销
- 可能..
- 手段
- 机制
- 机制
- 仅仅
- 元数据
- 方法
- 可能
- 流动性
- 模型
- 模型
- 模块化
- 模块
- 模块
- 更多
- 最先进的
- my
- 命名
- 本地人
- 自然
- 自然语言
- 自然语言处理
- 必要
- 需求
- 需要
- 全新
- 消息
- 关系
- 不错
- NLP
- 现在
- of
- 提供
- 经常
- on
- 一旦
- 开放源码
- OpenAI
- 操作
- 运营
- 附加选项
- or
- OS
- 其他名称
- 我们的
- 概述
- 产量
- 输出
- 优秀
- 参数
- 部分
- 特别
- 部分
- 模式
- 员工
- 演出
- 执行
- 个人
- 个人电脑
- 短语
- 物理
- 件
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 诗
- 职位
- 潜力
- 恰恰
- 最好
- 总理
- 市场问题
- 问题
- 过程
- 处理
- 生产
- 代码编程
- 提示
- 原型
- 提供
- 供应商
- 提供
- 优
- 蟒蛇
- 题
- 很快
- 相当
- 原
- 境界
- 接收
- 最近
- 指
- 关系
- 相应
- 重复的
- 一个回复
- 表示
- 要求
- 要求
- 需求
- 岗位要求
- 需要
- 资源
- 回应
- 响应
- 回复
- 提供品牌战略规划
- 保留
- 回报
- 回报
- 革命性
- 右
- 角色
- s
- 同
- 情景
- 科学
- 科学与技术
- 脚本
- 搜索
- 搜索
- 行业
- 似乎
- 发送
- 情绪
- 序列
- 服务
- 集
- 套数
- 设置
- 显著
- 类似
- 简化
- 简化
- 只是
- 情况
- So
- 软件
- 方案,
- 解决方案
- 一些
- 极致
- 太空
- 专门
- 专业
- 具体的
- 指定
- 阶段
- 实习
- 标准化
- 开始
- 仍
- 存储
- 商店
- 商店
- 精简
- 精简
- 串
- 结构体
- 结构化
- 结构
- 随后
- 基本上
- 这样
- 合适的
- 供应
- 肯定
- 浪涌
- 系统
- 产品
- 表
- 量身定制
- 采取
- 服用
- 说
- 任务
- 任务
- 技术性
- 专业技术
- 模板
- 临时
- 趋向
- 文本
- 文字的
- 比
- 这
- 其
- 他们
- 然后
- 那里。
- 博曼
- 他们
- 事
- Free Introduction
- 那些
- 虽然?
- 通过
- 从而
- 至
- 今晚
- 一起
- 工具
- 产品培训
- 改造
- 转换
- 变形金刚
- 翻译
- 教程
- 二
- 一般
- 理解
- 理解
- 未开发
- us
- 可用
- 使用
- 用过的
- 用户
- 用户
- 运用
- 公用事业
- 利用
- 价值观
- 变量
- 各种
- 各个
- 广阔
- 多功能性
- 非常
- 通过
- 想
- 方法..
- 方法
- we
- 什么是
- 什么是
- ,尤其是
- 这
- 全
- 宽
- 中
- 怀疑
- 话
- 工作流程
- 工作流程
- 加工
- 但
- 您
- 您一站式解决方案
- 和风网