Los modelos de lenguaje grandes o LLM son un tipo poderoso de algoritmo de red neuronal para crear chatbots que obtienen datos mediante comandos en lenguajes naturales. Los LLM permiten que las máquinas/computadoras comprendan mejor el lenguaje natural y generen lenguaje como los humanos. El módulo LangChain también funciona para crear modelos de PNL. Sin embargo, no tiene su LLM pero permite la interacción con muchos LLM diferentes.
Esta guía explicará el proceso de interacción con modelos de lenguaje grandes utilizando LangChain.
¿Cómo interactuar con LLM usando LangChain?
Para interactuar con LLM usando LangChain, simplemente siga esta sencilla guía paso a paso con ejemplos:
Instalar módulos para interactuar con LLM
Antes de iniciar el proceso de interacción con LLM utilizando LangChain, instale el ' cadena larga ”módulo usando el siguiente código:
pepita instalar cadena larga
Para instalar el marco OpenAI, use su clave API para interactuar con LLM a través del siguiente código:
Ahora importa” tú ' y ' conseguir pase ”para usar la clave API de OpenAI después de ejecutar el código:
importarnos
importar obtener pase
os.environ [ 'OPENAI_API_KEY' ] = getpass.getpass ( 'Clave API de OpenAI:' )
Llamando a LLM
Importe la biblioteca OpenAI desde el módulo LangChain para asignar su función al ' llm ' variable:
desde langchain.llms importar OpenAIllm = OpenAI ( )
Después de eso, simplemente llame al ' llm ”función y la consulta rápida como parámetro:
Genere múltiples textos usando LLM
Utilice el método generate() con múltiples indicaciones en lenguaje natural para generar el texto de LLM y almacenarlo en el archivo ' llm_resultado ' variable:
llm_result = llm.generar ( [ 'Quiero escuchar un chiste' , 'Escribe un poema' ] * 15 )
Obtenga la longitud de los objetos almacenados en el ' llm_resultado ”variable usando la función generar():
Simplemente llame a la variable con el número de índice de los objetos:
La siguiente captura de pantalla muestra el texto almacenado en el archivo ' llm_resultado ”variable en su índice 0 generando el chiste:
Utilice el método generaciones() con el parámetro índice -1 para generar el poema colocado en la variable llm_result:
Simplemente muestre la salida generada en la variable de resultado para obtener la información específica del proveedor que se genera en el LLM anterior usando la función generada:
Se trata de interactuar con LLM utilizando el marco LangChain para generar lenguaje natural.
Conclusión
Para interactuar con modelos de lenguajes grandes usando LangChain, simplemente instale marcos como LangChain y OpenAI para importar bibliotecas para LLM. Después de eso, proporcione la clave API de OpenAI para usarla como LLM para comprender o generar el lenguaje natural. Utilice el LLM para el mensaje de entrada en lenguaje natural y luego llámelo para generar texto basado en el comando. Esta guía ha explicado el proceso de interacción con los modelos de lenguaje grandes utilizando módulos LangChain.